石油和化工设备2024，Vol.27Issue(8) ：17-21.

基于深度学习的管道漏磁缺陷智能检测方法

张玉
石油和化工设备2024，Vol.27Issue(8) ：17-21.
✕
  • 维普
  • 万方数据

基于深度学习的管道漏磁缺陷智能检测方法

张玉1
扫码查看

作者信息

  • 1. 合肥工业大学管理学院 安徽合肥 230009
  • 折叠

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.

关键词

深度学习/RetinaNet算法/智能检测/管道漏磁

引用本文复制引用

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
段落导航相关论文