基于漏磁内检测的自监督缺陷检测方法

漏磁内检测是长输管道主要检测方式。目前漏磁内检测数据分析中的缺陷检测方法环境适应性差,需要大量样本为不同环境分别建立检测模型,难以满足实用需求。本文提出一种自监督的缺陷检测方法,可以在少量样本下建立精确缺陷检测模型,克服目前缺陷检测方法需要大量样本才能训练精确模型的问题,并且在不同环境下检测效果都有所提升,因此具有良好的适用性和迁移性。首先对漏磁内检测缺陷数据进行预处理,接着将缺陷数据自适应的可视化,然后利用视觉表示对比学习的简单框架(SIMCLR)对可视化后的缺陷进行训练获得预训练权重,最后采用深度学习完成对缺陷的识别与定位。试验研究表明,本文设计的自监督检测方法能够有效解决可标记数据少的问题,具有检测精度高,迁移性好,泛化能力强的特点。