公开(公告)号：CN117058443B

公开(公告)日：2024-02-27

申请号：CN202310930882.0

申请日：2023-07-26

Applicant: 东北石油大学

Inventor： 张璐莹 ,  卞雨辰 ,  蒋鹏 ,  杨畅 ,  黄洋 ,  刘英 ,  张清喆

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/048

Abstract: 本发明涉及的是一种基于改进残差收缩网络的管道漏磁图像识别方法，它包括：采集某长输油气管道的漏磁图像；对漏磁图像数据集进行旋转、剪裁、缩放、镜像图像变化后，生成漏磁图像数据集；对漏磁图像数据集进行图像预处理，并将预处理后的漏磁图像数据集随机分为训练集和测试集；采用迁移学习的方法，并在神经网络结构中加入不同的注意力机制，得到注意力模型AM；将训练集图像分别加入高斯噪声和椒盐噪声来模拟噪声干扰，向注意力模型AM中插入残差收缩网络DRSN,构成AM‑DRSN50基础模型；利用AM‑DRSN50基础模型对管道漏磁图像进行识别。本发明可以极大地减少人为因素的影响，显著提高识别的准确率和可靠性。

公开(公告)号：CN119625283A

公开(公告)日：2025-03-14

申请号：CN202510009850.6

申请日：2025-01-03

Applicant: 东北石油大学三亚海洋油气研究院

Inventor： 张璐莹 ,  赵晨 ,  蒋鹏 ,  杨畅 ,  邱怡宁 ,  庞木洪

IPC: G06V10/25 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G01N27/83

Abstract: 本发明提供了一种基于改进YOLOv8的长输管道漏磁缺陷检测方法及系统，属于管道安全检测领域，包括获取长输管道的漏磁图像数据，对图像数据进行缺陷标注，得到数据集。在原始YOLOv8网络模型的骨干网络中引入轻量级SPD‑Conv模块，颈部结构中添加CBAM注意力模块，用ECIOU_LOSS损失函数替换原模型中的损失函数，构成改进的YOLOv8模型，在数据集按比例选取部分数据输入模型进行训练，得到管道检测模型。将待检测的图像输入管道检测模型中，输出该图像中的缺陷信息及其缺陷位置。本发明通过改进的YOLOv8网络模型，有效减少了人为因素对漏磁缺陷检测的影响，显著提升了对长输管道漏磁缺陷检测的准确率和可靠性。

公开(公告)号：CN117058443A

公开(公告)日：2023-11-14

申请号：CN202310930882.0

申请日：2023-07-26

Applicant: 东北石油大学

Inventor： 张璐莹 ,  卞雨辰 ,  蒋鹏 ,  杨畅 ,  黄洋 ,  刘英 ,  张清喆

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/048

Abstract: 本发明涉及的是一种基于改进残差收缩网络的管道漏磁图像识别方法，它包括：采集某长输油气管道的漏磁图像；对漏磁图像数据集进行旋转、剪裁、缩放、镜像图像变化后，生成漏磁图像数据集；对漏磁图像数据集进行图像预处理，并将预处理后的漏磁图像数据集随机分为训练集和测试集；采用迁移学习的方法，并在神经网络结构中加入不同的注意力机制，得到注意力模型AM；将训练集图像分别加入高斯噪声和椒盐噪声来模拟噪声干扰，向注意力模型AM中插入残差收缩网络DRSN,构成AM‑DRSN50基础模型；利用AM‑DRSN50基础模型对管道漏磁图像进行识别。本发明可以极大地减少人为因素的影响，显著提高识别的准确率和可靠性。