[发明专利]一种基于卷积神经网络的管道缺陷检测方法和装置有效
| 申请号： | 201910399916.1 | 申请日： | 2019-05-14 |
| 公开（公告）号： | CN110108783B | 公开（公告）日： | 2023-04-28 |
| 发明（设计）人： | 王继锋;汤晓英;左延田;陈德禄 | 申请（专利权）人： | 上海市特种设备监督检验技术研究院 |
| 主分类号： | G01N27/83 | 分类号： | G01N27/83;G06N3/0464;G06N3/08 |
| 代理公司： | 上海思微知识产权代理事务所(普通合伙) 31237 | 代理人： | 郑星 |
| 地址： | 200062 上海市普*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的管道缺陷检测方法和装置，基于卷积神经网络同时对三维漏磁信号进行卷积神经处理，得到的特征同时包含三个维度的信息。本发明提出的方法，不需要人工定义特征，卷积神经网络会自动学习高度抽象高表达性的特征，避免了以往依靠人工定义特征的问题。提出采用卷积神经网络技术对三维漏磁场缺陷特征进行自学习，利用该技术能够自动学习表达能力强的抽象特征，无需人工设计特征，卷积操作同时对三幅漏磁分量图进行操作，保留了特征的空间属性。最后融合训练学习得到的特征及先验知识进行管道缺陷尺寸的预测。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 管道 缺陷 检测 方法 装置 | ||
【主权项】：
1.一种基于卷积神经网络的管道缺陷检测方法，其特征在于，包括如下步骤：S1：获取测试管道的缺陷样本，建立初始卷积神经网络模型；S2：通过所述缺陷样本对所述初始卷积神经网络模型进行训练学习并得到所述测试管道缺陷尺寸的最终卷积神经网络模型；S3：基于所述最终卷积神经网络模型对实测管道的周向漏磁信号、轴向漏磁信号以及径向漏磁信号进行卷积神经处理，得到所述实测管道的缺陷尺寸。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海市特种设备监督检验技术研究院，未经上海市特种设备监督检验技术研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910399916.1/，转载请声明来源钻瓜专利网。
