基于ResNet模型的聚乙烯燃气管道接头缺陷识别算法

摘要：

接头是聚乙烯燃气管道容易出现危害性缺陷的薄弱环节,需对此薄弱区域进行定期检测,以确保聚乙烯燃气管道的安全运行.为提高聚乙烯燃气管道接头缺陷图像识别能力,提出了一种基于ResNet网络模型的改进型卷积神经网络识别算法.首先运用Laplacian算子、中值滤波等方式实现对PE燃气管道接头缺陷图像的预处理;然后,将dropout层和ELU函数加入在ResNet34 网络模型中完成图像识别模型的构建;最后,采用改进的ResNet34 网络模型通过试验对包含6 种热熔缺陷类型的数据集进行训练和测试.试验结果表明,改进后的ResNet34 网络模型对缺陷图像的训练正确率可达到97.3%,且拥有比原始的ResNet34 网络模型和DenseNet网络模型更高的正确率,验证了此模型对于热熔接头缺陷图像识别的有效性.

关键词：聚乙烯燃气管道、缺陷检测、图像识别、卷积神经网络、ResNet34模型

所属期刊栏目：40

分类号：TH49;TQ055.8;TP183(气体压缩与输送机械)

资助基金：国家自然科学基金;甘肃省重点研发计划项目;甘肃省自然科学基金;甘肃省教育厅青年博士基金项目

在线出版日期：2023-10-10（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：73-80