-
公开(公告)号：CN110516589A
公开(公告)日：2019-11-29
申请号：CN201910788496.6
申请日：2019-08-26
Applicant: 东北大学
Abstract: 本发明提供一种管道漏磁数据的边界精确识别方法，涉及管道故障诊断和人工智能领域。该方法首先对漏磁信号进行边缘特征提取预处理；对预处理后的漏磁信号划分多尺度层级并进行异常边缘提取，得到候选窗体集合；然后提取候选窗体内数据，并利用双向LSTM网络检测候选窗体类别和得分；计算初始判断为是缺陷的波动系数，利用设计的自适应更新窗体得分方法得到最终检测结果；最后进行位置区域估计后选用局部感知softnms算法得到各个区域最终剩余窗体集合，并汇总各区域中的最佳窗体位置。本发明方法有效地保证剩余窗体内不会出现有错检的窗体信息，有效地实现边框回归并避免了出现同一检测区域出现多个检测结果的情况，最终边框位置回归更精确。
-
公开(公告)号：CN110516589B
公开(公告)日：2023-06-02
申请号：CN201910788496.6
申请日：2019-08-26
Applicant: 东北大学
IPC: G06F18/241 , G06F18/231 , G06F18/2321 , G06F18/213 , G06N3/0442 , G01N27/83 , F17D5/02
Abstract: 本发明提供一种管道漏磁数据的边界精确识别方法，涉及管道故障诊断和人工智能领域。该方法首先对漏磁信号进行边缘特征提取预处理；对预处理后的漏磁信号划分多尺度层级并进行异常边缘提取，得到候选窗体集合；然后提取候选窗体内数据，并利用双向LSTM网络检测候选窗体类别和得分；计算初始判断为是缺陷的波动系数，利用设计的自适应更新窗体得分方法得到最终检测结果；最后进行位置区域估计后选用局部感知softnms算法得到各个区域最终剩余窗体集合，并汇总各区域中的最佳窗体位置。本发明方法有效地保证剩余窗体内不会出现有错检的窗体信息，有效地实现边框回归并避免了出现同一检测区域出现多个检测结果的情况，最终边框位置回归更精确。
-
公开(公告)号：CN110082424B
公开(公告)日：2023-04-14
申请号：CN201910387892.8
申请日：2019-05-10
Applicant: 东北大学
Abstract: 本发明提供一种快速管道漏磁数据多尺度异常区域推荐系统及方法，涉及管道检测技术领域。本发明步骤如下：步骤1：获取一段管道的漏磁信号，并将其进行多尺度窗体划分，对N个尺度层级进行异常边缘提取，得到异常窗体集合；步骤2：对异常窗体集合进行异常区域估计，得到异常估计集合；步骤3：边界精确；根据异常估计集合，将Wk″中的所有窗体进行相邻窗体的面积比，遍历异常估计集合W″，去除面积比小于λ的窗体，并选取当前集合内交叠窗体中最外围窗体作为异常推荐区域；该方法能够发现尺寸较大，信号明显的异常，同时能够发现较小的异常，能够提供充分的异常候选区域；具有明显的快速性，特别适应管道庞大的数据集。
-
公开(公告)号：CN110082424A
公开(公告)日：2019-08-02
申请号：CN201910387892.8
申请日：2019-05-10
Applicant: 东北大学
Abstract: 本发明提供一种快速管道漏磁数据多尺度异常区域推荐系统及方法，涉及管道检测技术领域。本发明步骤如下：步骤1：获取一段管道的漏磁信号，并将其进行多尺度窗体划分，对N个尺度层级进行异常边缘提取，得到异常窗体集合；步骤2：对异常窗体集合进行异常区域估计，得到异常估计集合；步骤3：边界精确；根据异常估计集合，将Wk″中的所有窗体进行相邻窗体的面积比，遍历异常估计集合W″，去除面积比小于λ的窗体，并选取当前集合内交叠窗体中最外围窗体作为异常推荐区域；该方法能够发现尺寸较大，信号明显的异常，同时能够发现较小的异常，能够提供充分的异常候选区域；具有明显的快速性，特别适应管道庞大的数据集。
-
-
-
Search Results
4
records
(took 0.015 seconds)
