一种基于深度学习的磁成像识别方法及磁力仪

本发明公开一种基于深度学习的磁成像识别方法及磁力仪，该方法包括：对采集到的磁场数据进行预处理，得到加密重构的磁图数据；基于加密重构的磁图数据，计算磁梯度张量分量，并利用磁梯度张量分量的不同组合方法提取磁场梯度特征；通过分析磁场梯度特征识别磁场异常信息将磁源边界与加密重构的磁图数据结合，进行伪彩色编码，建立磁图像数据集；使用磁图像数据集训练改进式R‑CNN管道缺陷检测模型，管道缺陷检测模型的输入为磁图像，输出为管道缺陷的位置和类型；利用训练好的管道缺陷检测模型对新输入的磁图像进行管道缺陷识别。本发明通过先进的数据处理技术和人工智能算法，提高管道缺陷检测的精度、效率和适应性。