摘要
本发明涉及一种输送管道缺陷的检测方法,首先抽取管道的视频图像并标记出破裂、错口、腐蚀以及管瘤缺陷图像;采用模型压缩C3Ghost模块替换目标检测算法YOLOv7模型中的ELAN模块,以优化YOLOv7模型的架构设计;对YOLOv7模型进行训练后逐层分析,按照每一层所涉及的浮点运算量从高到低进行排序,以确定理想剪枝比率;在理想剪枝比率下对减少浮点运算量的贡献最大,且YOLOv7模型的性能下降程度较小的层级实施剪枝操作,优化出针对输送管道缺陷的YOLOv7模型;最后使用YOLOv7模型实时分析管道缺陷识别图像并检测出管道的缺陷状况;本发明能够实现在小型移动设备上使用优化的目标检测算法YOLOv7模型,实时检测出管道缺陷,YOLOv7模型的复杂度小,对计算资源的需求小,具有很强的鲁棒性。
技术关键词
管道缺陷识别
模型压缩
算法
图像
比率
视频
通道剪枝
视觉传感器
层级
标记
融合特征
网络
移动设备
模块
鲁棒性
复杂度
效能
批量
软件
系统为您推荐了相关专利信息
线路测量方法
能量采集模块
无人机平台
智能识别模块
输电线路监测系统
分布分析方法
像素点
上下文特征
可见光图像
样本
GNSS观测数据
神经网络模型
神经网络架构
偏差
站点
多层绝缘纸
支持向量机
状态评估方法
特征参量
粒子群优化算法