-
公开(公告)号：CN118747739A
公开(公告)日：2024-10-08
申请号：CN202410807767.9
申请日：2024-06-21
Applicant: 中国石油大学(北京)
IPC: G06T7/00 , G06V10/764 , G06V10/26 , G06V10/774 , G06V10/82
Abstract: 本说明书涉及管道缺陷检测技术领域，尤其涉及一种焊缝缺陷确定方法、装置、计算机设备及存储介质，其中焊缝缺陷确定方法包括针对待确定焊缝缺陷图像进行标准化处理，得到输入焊缝图像；利用训练后的焊缝识别模型针对输入焊缝图像进行处理，得到与输入焊缝图像对应的标准焊缝缺陷数据；以及对标准焊缝缺陷数据进行逆标准化处理，确定与待确定焊缝缺陷图像对应的目标焊缝缺陷数据。利用本说明书实施例，实现了在缺陷识别过程中，提高了识别准确度和识别效率以及降低了资源浪费。
-
公开(公告)号：CN117422619A
公开(公告)日：2024-01-19
申请号：CN202311142367.2
申请日：2023-09-06
Applicant: 中国石油大学(北京)
IPC: G06T3/4053 , G06N3/0464 , G06N3/08
Abstract: 本文涉及图像处理技术领域，尤其涉及一种图像重建模型的训练方法、图像重建方法、装置及设备。包括将训练图像输入到生成器网络进行计算得到重建图像，其中生成器网络包括全局特征提取、局部特征提取和图像重建，局部特征提取包括通过由ResidualBlock块与三个RRNL块串联而成的密集感受野网络以及RFB模块对所述全局特征进行局部特征提取；将重建图像和训练图像输入到判别器网络进行计算得到判别结果；根据训练图像、重建图像和判别结果计算损失值；迭代上述步骤直至损失值满足预定要求，将生成器网络作为图像重建模型。通过本文实施例，建立了非局部密集感受野生成对抗网络，提升图像的分辨率，较好还原细节信息。
-
公开(公告)号：CN116051473A
公开(公告)日：2023-05-02
申请号：CN202211647367.3
申请日：2022-12-21
Applicant: 中国石油大学(北京)
Abstract: 本说明书涉及焊缝检测技术领域，提供了一种焊缝缺陷识别模型建立方法及装置、识别方法及装置。该方法包括：接收焊缝X射线原始电子底片；抑制焊缝X射线原始电子底片的噪声；均匀切割抑制噪声后的焊缝X射线电子底片，以得到多个焊缝X射线局部电子底片；标记切割后的多个焊缝X射线局部电子底片以得到对应的缺陷标签信息；将切割后的多个焊缝X射线局部电子底片及对应的缺陷标签信息作为训练样本，构建训练样本集；构建内嵌小目标特征强化层的神经网络模型；利用训练样本集训练神经网络模型，将训练完成的神经网络模型作为焊缝缺陷识别模型。通过本发明实施例，可实现尽可能提高检测结果精度的前提下保证焊缝内部缺陷检测速度。
-
公开(公告)号：CN115457391A
公开(公告)日：2022-12-09
申请号：CN202211121759.6
申请日：2022-09-15
Applicant: 中国石油大学(北京)
IPC: G06V20/10 , G06V10/22 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G01N27/83
Abstract: 本申请公开了一种管道的漏磁内检测方法、系统及相关组件，涉及管道检测领域，该方法包括：获取漏磁内检测器通过目标管道后得到的漏磁内检测信号；根据所有漏磁内检测信号生成漏磁曲线图像；将漏磁曲线图像输入图像识别模型以得到部位分析结果；根据目标管道的部位参数，在漏磁曲线图像上增加相应的部位标记；对目标管道的部位标记与部位分析结果进行比对，得到最终检测结果；图像识别模型包括YOLO模型和注意力模型。本申请根据漏磁内检测信号生成漏磁曲线图像，并利用YOLO模型和注意力模型结合的图像识别模型分析漏磁曲线图像，能够较为准确地识别出微细缺陷，得到精确度较高的部位分析结果，进而得到深入、准确的最终检测结果。
-
-
-
Search Results
4
records
(took 0.026 seconds)
