摘要
本申请涉及借助于测定材料的化学或物理性质来测试或分析材料技术领域,具体涉及一种端到端钢质油气管道裂纹的多通道检测方法,该方法由处理器执行,包括:获取目标管道裂纹的检测信号;获得裂纹缺陷信号集;对裂纹缺陷信号集中的信号执行数据增强,获得增强数据集;对增强数据集执行信号栅格化,获得栅格图片数据集;对栅格图片数据集内的数据输入SSD模型训练,获得裂纹缺陷自动标注模型;基于遗传算法配置神经网络的超参数;将裂纹缺陷信号集输入DRSN2d模型训练,配合超参数,得到最佳优化模型。本申请解决了现有技术中在对管道内部裂纹检测时存在的对人工的依赖度较高、检测精度较低以及量化速度较低的问题。
技术关键词
裂纹缺陷
信号
数据
栅格
多通道
图片
内部裂纹检测
训练集
超参数
遗传算法
染色体
管道
滤波
油气
降噪功能
像素
处理器
系统为您推荐了相关专利信息
精确识别方法
语音识别模型
编码器
指令
识别特征
神经网络预测模型
上下文查询
消息传递机制
节点
多模态特征
故障预测诊断方法
黑匣子
上位机管理系统
数据管理模块
样本
低功耗光纤
信息传感方法
解调芯片
信息传感装置
脉冲光