基于深度学习的管道环焊缝目标检测方法

• 作者: 王宏安
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 环焊缝 漏磁
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 自动化应用
• 页码范围: 144-146,151
• 页数: 4页
• 分类号: TP20
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2020.09.144

摘要

针对油气管道漏磁检测过程中环焊缝识别和定位困难的问题,提出了一种基于深度学习的管道环焊缝目标检测方法.该方法利用深度学习网络进行特征抽取,并实现焊缝识别与定位.该网络模型包括特征提取模块和预测模块,特征提取模块包含5个特征子模块,每个子模块包含1个卷积层、1个归一化层、1个池化层,实现特征抽取;预测模块包含锚框生成与标注、类别卷积层、位置卷积层等,实现环焊缝识别与定位.将该网络模型在工程管道检测数据集进行测试验证,结果表明,提出的模型具有良好的识别精度,优于传统的手工特征识别方法,同时在较大的噪声和数据局部缺失的情况下也具备较好的表现.