公开(公告)号：CN113298181A

公开(公告)日：2021-08-24

申请号：CN202110666479.2

申请日：2021-06-16

申请人： 合肥工业大学智能制造技术研究院 ,  合肥工业大学

发明人： 胡迪 ,  段章领 ,  徐岳 ,  卫星 ,  王晓南 ,  解天宙 ,  栗浩 ,  王厚斌 ,  罗辉 ,  周行云

IPC分类号： G06K9/62 ,  G06K9/40 ,  G06T3/40 ,  G06N3/04

摘要： 本发明公开了一种基于密集连接的Yolov3网络的井下管道异常目标识别方法，通过改进的密集连接Yolov3网络进行样本处理，确定管道检测点位置，再对检测点对象分类，结果进行三维度映射输出。其中改进Yolov3网络具体处理过程大致如下，先将输入图像进行多特征层的提取，本发明采用密集串联网络进行特征提取。对图像进行卷积，上采样，特征拼接，及用于输出预测结果。预测结果解码得出边界框坐标，确定管道检测点边界的位置，再对选出的边框按照得分进行筛选，确定故障识别位置。本发明的优点是采用改进的Yolov3网络对井下管道巡检图像进行处理，有效的提升了检测准确度，一定程度上保障了检测实时性，提高特征提取能力。

公开(公告)号：CN114119361A

公开(公告)日：2022-03-01

申请号：CN202110896933.3

申请日：2021-08-05

申请人： 合肥工业大学智能制造技术研究院

发明人： 段章领 ,  徐岳 ,  罗辉 ,  王晓南 ,  解天宙 ,  王厚斌 ,  栗浩 ,  胡迪 ,  卫星 ,  周行云

IPC分类号： G06T3/40 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供的基于TESRGAN网络的超分辨率重构井下图像方法，该方法包括将在井下相对恶劣环境下收集到的低分辨率图片输入TESRGAN网络中，先经过生成网络通过特征提取和提高分辨率，即通过残差模型进行非线性映射，再通过上层采样层和卷积层，得到根据真实图像数据重构生成的高分辨率图像数据，再通过同时将真实数据与生成的数据输入TESRGAN网络判别网络，由判别网络分辨生成数据和真实数据，获取两种图像特征，通过特征向量的比较获得LOSS值，将结果反馈给生成网络，完成生成对抗的学习过程，不断优化生成网络的分辨率重构能力，最后得到超分辨率的重构井下图像。重构之后作为目标域数据经过迁移学习得出诊断结果。

公开(公告)号：CN114119361B

公开(公告)日：2024-06-14

申请号：CN202110896933.3

申请日：2021-08-05

申请人： 合肥工业大学智能制造技术研究院

发明人： 段章领 ,  徐岳 ,  罗辉 ,  王晓南 ,  解天宙 ,  王厚斌 ,  栗浩 ,  胡迪 ,  卫星 ,  周行云

IPC分类号： G06T3/4053 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048 ,  G06N3/096

摘要： 本发明提供的基于TESRGAN网络的超分辨率重构井下图像方法，该方法包括将在井下相对恶劣环境下收集到的低分辨率图片输入TESRGAN网络中，先经过生成网络通过特征提取和提高分辨率，即通过残差模型进行非线性映射，再通过上层采样层和卷积层，得到根据真实图像数据重构生成的高分辨率图像数据，再通过同时将真实数据与生成的数据输入TESRGAN网络判别网络，由判别网络分辨生成数据和真实数据，获取两种图像特征，通过特征向量的比较获得LOSS值，将结果反馈给生成网络，完成生成对抗的学习过程，不断优化生成网络的分辨率重构能力，最后得到超分辨率的重构井下图像。重构之后作为目标域数据经过迁移学习得出诊断结果。