基于深度学习的管道漏磁缺陷智能检测方法

扫码查看

原文链接

万方数据
维普

中文摘要：油气管道安全运输对于能源供应和经济发展都具有重要意义.对管道缺陷进行识别检测是管道系统健康管理中的重要环节,漏磁(MFL)检测是管道缺陷检测的有效手段.针对现有深度学习算法中小缺陷检测精度低的问题,文章提出了一种改进的RetinaNet算法(DAB-RetinaNet)用于管道漏磁图像的智能检测.在缺陷数据集上的评估结果表明,与其他经典的检测器相比,该方法具有更好的识别精度.

作者：

张玉

展开 >

作者单位：

合肥工业大学管理学院安徽合肥 230009

关键词：

深度学习 RetinaNet算法智能检测管道漏磁

出版年：

2024

石油和化工设备

中国化工机械动力技术协会

石油和化工设备

影响因子：0.173

ISSN：1674-8980

年,卷(期)：2024.27(8)