一种面向管道缺陷检测的漏磁数据增强方法

大规模标注数据集是深度学习模型应用的前提。由于油气管道的特殊性,短时间内较难建立具有良好标注信息的大规模数据集。文中提出一种基于漏磁场物理学模型的漏磁数据增强方法。首先,利用三维磁偶极子模型生成各种尺寸缺陷漏磁场法向分量、切向分量和周向分量的仿真数据,并与在役管道检测数据进行随机融合,实现缺陷样本数据的扩充。最后,基于只包含仿真缺陷的样本,对YOLOX-Tiny、-S和-M 3个版本分别进行了100轮训练,再利用真实缺陷样本进行测试。实验结果表明:所扩充的样本数据能够使模型收敛,其中Tiny和S版本的平均精度可稳定在40%左右,间接地说明了所扩充的样本与真实管道缺陷具有一定的相似性,所提数据增强方法具有一定的有效性。