10.19459/j.cnki.61-1500/te.2024.01.007
融合注意力与残差网络的石油管材失效宏观影像智能识别方法
基于深度学习的石油管材失效影像智能识别方法是目前的研究热点.针对传统的识别网络/模型存在精度不佳、泛化能力差等问题,基于残差块堆叠设计思路,建立了融合注意力与残差网络的石油管材失效宏观影像智能识别模型/算法.该算法赋予网络对石油管材失效典型宏观影像(断裂、腐蚀、磨损、形变)特征权重分配功能,有效提升神经网络捕获宏观影像关键特征信息的能力.与传统BottleNeck结构网络87.52%的平均分类精度相比,融合注意力与残差网络的AXBlock网络模型的平均分类精度达到94.93%.此研究工作将为石油管材失效智能诊断、失效分析预测与预防提供技术支撑.
石油管材、深度学习、神经网络、失效分析、宏观影像
10
TE931(石油机械设备与自动化)
国家重点研发计划;中国石油天然气集团公司基础研究和战略储备技术研究基金项目;中国石油天然气集团公司科学研究与技术开发项目;中国石油天然气集团公司科学研究与技术开发项目
2024-02-01(万方平台首次上网日期,不代表论文的发表时间)
共8页
33-40