基于卷积神经网络的管道表面缺陷识别研究

针对传统管道表面缺陷检测方法存在效率低、准确率不高的问题,提出一种通过机器视觉检测管道表面缺陷的方法,在采集管道表面缺陷的图像信息后通过卷积神经网络的算法分类不同的缺陷。通过加入批量归一化层,改进低层和中层卷积核的构造,优化了GoogleNet的构造,提高了卷积神经网络的泛化性和收敛性。试验结果表明,应用卷积神经网络后对管道表面缺陷的识别率较高,显著提高了管道表面缺陷识别的效率和准确率,具有较好的工程意义。

基于磁学原理的管道表面缺陷检测专利技术综述

以基于磁学原理的管道表面缺陷检测技术为核心,从管道表面缺陷检测技术的全球专利申请量趋势、在华专利申请量趋势以及各技术分支的发展脉络多维角度,对基于磁学原理的管道表面缺陷检测技术进行了宏观总体分析。