基于改进YOLOv5算法的管道漏磁信号识别方法

摘要：

长输油气管道作为能源运输的主要方式,安全问题至关重要;管道漏磁内检测技术作为管道缺陷检测的重要方法之一,在管道安全保障中发挥着重要作用;人工智能技术可实现管道内检测数据的自动识别,对于减少人力工作量,减少人为误差,提升数据判读准确性具有重要意义;通过引入损失函数Distance-IoU对目标检测算法YOLOv5进行改进,利用改进YOLOv5算法对管道漏磁数据进行训练,使之具有对漏磁缺陷信号自动识别的能力;通过实验,对实际漏磁内检测数据进行识别;结果表明,改进的YOLOv5算法实现了管道缺陷漏磁信号的自动检测识别;并且在相同的训练条件下,改进的YOLOv5算法相较于原始算法准确率有明显的提升,在识别缺陷数量上其精度达到92.8％,比原算法提升了 3.22％,改进后的模型损失函数平均损失率为3.6％,比原始YOLOv5模型降低了 2.2％,表明该方法在管道缺陷漏磁数据自动识别检测方面具有较好的可行性.

关键词：管道、漏磁内检测、缺陷检测、深度学习、YOLOv5算法、自动识别

所属期刊栏目：30

分类号：TP24(自动化技术及设备)

资助基金：辽宁省自然科学基金面上项目;国家自然科学基金;辽宁省教育厅高等学校基本科研项目;大连理工大学工业装备智能控制与优化教育部重点实验室开放课题基金资助项目

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：147-154