-
公开(公告)号：CN119379672B
公开(公告)日：2025-04-22
申请号：CN202411933639.5
申请日：2024-12-26
Applicant: 中国特种设备检测研究院 , 陕西省特种设备检验检测研究院
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 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。
-
公开(公告)号：CN119379672A
公开(公告)日：2025-01-28
申请号：CN202411933639.5
申请日：2024-12-26
Applicant: 中国特种设备检测研究院 , 陕西省特种设备检验检测研究院
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 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。
-
公开(公告)号：CN119359730A
公开(公告)日：2025-01-24
申请号：CN202411933636.1
申请日：2024-12-26
Applicant: 中国特种设备检测研究院 , 陕西省特种设备检验检测研究院
IPC: G06T7/00 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及基于特定计算模型的计算机系统技术领域，具体涉及一种钢质管道内壁裂纹的检测量化方法，包括：获取含裂纹管道的涡流多通道检测信号集；获得缺陷信号数据集；将缺陷信号数据集转化为信号图像数据集；将信号图像数据集输入YOLOv8模型进行训练，获得裂纹缺陷标注模型；计算信号图像数据集中信号的裂纹缺陷信号范围数据；获取裂纹缺陷信号特征值数据集；获得裂纹深度量化值和裂纹长度量化值；确定通道数；获得裂纹宽度量化值。本发明解决了现有技术中手动标注的一致性较差、且使用过程以及适用范围局限性较大的问题。
-
公开(公告)号：CN117934430A
公开(公告)日：2024-04-26
申请号：CN202410115510.7
申请日：2024-01-26
Applicant: 中国特种设备检测研究院
IPC: G06T7/00 , G06V10/764 , G06V10/774
Abstract: 本发明提供了一种基于改进YOLOv8的工业管道缺陷检测方法及系统，涉及工业管道缺陷检测技术领域，该方法包括：获取管道表面图像，利用管道缺陷检测模型，识别管道表面图像中的缺陷位置和缺陷类型，管道缺陷检测模型基于改进YOLOv8网络，在训练的过程中，基于WIoU损失和Sophia优化器替换原手段，最终的模型可快速、准确地识别出管道表面图像中的缺陷位置和缺陷类型。相较于传统的YOLOv8算法，本发明利用WIoU损失函数替换了CIoU损失函数，提高了训练的稳定性、收敛速度和识别准确率；利用Sophia优化器替换了官方的AdamW优化器，模型的训练时间能够得到大幅缩短，节省大量的计算资源，内存占用更少。
-
-
-
Search Results
4
records
(took 0.106 seconds)
