基于深度学习的热网管道表面破损检测

• 作者: 胡继新 何子峰 谭学靖 张荣达 郑亚锋
• 来源期刊: 科技与创新
• 关键词: 深度学习 YOLOv5 破损检测 机器人巡检
• 年，卷（期）: 2023,（6）
• 所属期刊栏目: ◇ 前沿·视点◇
• 页码范围: 33-35
• 页数: 3页
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2023.06.007

摘要

主要研究采用机器人自动巡检的地下热网管道表面保温层破损检测问题。机器人搭载摄像头下井采集到管道表面信息后，选用YOLOv5算法进行表面破损检测定位，本次研究选用的YOLOv5在处理速度、检测的准确率等方面都有出色的表现。并且YOLOv5轻量模型最小只有27 MB，目标检测速度达到6.48帧/s。该算法自适应地学习和提取表面破损的特征，即使破损的颜色和纹理不同，也能准确地识别出管道表面破损。