-
题名基于图像处理和机器学习的PE管道缺陷检测
被引量：1
- 1
-
-
作者
符前坤
李强
冉文燊
林楠
王洋
-
机构
新疆大学智能制造现代产业学院(机械工程学院)
新疆益安特检工程有限公司
新疆维吾尔自治区特种设备检验研究院
中国特种设备检验研究院压力管部
-
出处
《现代电子技术》
北大核心
2024年第21期59-66,共8页
-
基金
国家自然科学基金资助项目(11903072)
新疆大学博士启动项目(620321029)。
-
文摘
对于聚乙烯(PE)管道,在运行中经常有不同程度的泄漏等异常,通过对管道中不同异常的实验模拟,收集数据并手动标记相应的数据集。为了提高管道缺陷图像的质量,首先采用加权平均法对图像进行灰度处理;然后,利用伽马变换改进管道背景与缺陷的对比度;最后,使用双重过滤来降低图像中的噪声。为了降低数据的复杂度,提高模型训练速度,采用改进的Sobel算法对管道缺陷图像进行边缘检测,采用自适应阈值分割算法分割缺陷图像的边缘,生成二值图像,用二值图像训练模型,减少了模型对颜色特征的依赖,加快了模型的收敛速度。为了提高管道缺陷检测的精度,引入CA注意力机制,提高目标检测特征提取能力。改进的YOLOv5模型的mAP和召回率分别为97.18%和98.03%。与原算法相比,mAP增加了1.33%,召回率增加了3.83%。
-
关键词
缺陷检测
图像处理
机器学习
YOLOv5
注意力机制
二值图像
-
Keywords
defect detection
image processing
machine learning
YOLOv5
attention mechanism
binary image
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
