首页|基于Faster R-CNN的海底管道智能检测方法

基于Faster R-CNN的海底管道智能检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为提高海底管道缺陷及组件的检测精度并实现智能化海底管道安全检测,提出一种基于快速区域卷积神经网络(Faster R-CNN)的海底管道智能检测方法.首先,通过基值校正和分段映射-伪彩色化方法,将漏磁检测信号转化为伪彩色图,以增强漏磁信号的关键特征;其次,基于多模态数据增强来提升检测模型的泛化能力;然后,基于多模态数据增强后的样本训练改进的Faster R-CNN网络,建立最优的智能检测模型;最后,以试验场和渤海在役管道为例,验证所提方法的有效性.结果表明:所提方法的平均检测精度可达93.8％,相较原始的Faster R-CNN算法提高8％,且平均交并比达到0.75,能够精准地实现海底油气管道多目标检测,保障海底管道的安全运行.
Intelligent detection method for submarine pipelines based on Faster R-CNN

Faster region-convolutional neural network(Faster R-CNN)submarine pipelinesintelligent detectionmagnetic flux leakage internal inspectionmulti-target detection

俞进、唐建华、神祥凯、刘金海

展开 >

中国海洋石油集团有限公司,北京100010

中海油能源发展装备技术有限公司,天津300452

东北大学信息科学与工程学院,辽宁沈阳110819

快速区域卷积神经网络(Faster R-CNN) 海底管道 智能检测 漏磁内检测 多目标检测

国家自然科学基金辽宁省自然科学基金

619730712019-KF-03-04

2023

10.16265/j.cnki.issn1003-3033.2023.06.2360

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2023.33(6)
  • 3
  • 12