来源：期刊VIP网 时间：
作者：符前坤;李强;冉文燊;林楠;王洋;
单位：新疆大学智能制造现代产业学院(机械工程学院);新疆益安特检工程有限公司;新疆维吾尔自治区特种设备检验研究院;中国特种设备检验研究院压力管部;
摘要：对于聚乙烯（PE）管道，在运行中经常有不同程度的泄漏等异常，通过对管道中不同异常的实验模拟，收集数据并手动标记相应的数据集。为了提高管道缺陷图像的质量，首先采用加权平均法对图像进行灰度处理；然后，利用伽马变换改进管道背景与缺陷的对比度；最后，使用双重过滤来降低图像中的噪声。为了降低数据的复杂度，提高模型训练速度，采用改进的Sobel算法对管道缺陷图像进行边缘检测，采用自适应阈值分割算法分割缺陷图像的边缘，生成二值图像，用二值图像训练模型，减少了模型对颜色特征的依赖，加快了模型的收敛速度。为了提高管道缺陷检测的精度，引入CA注意力机制，提高目标检测特征提取能力。改进的YOLOv5模型的mAP和召回率分别为97.18%和98.03%。与原算法相比，mAP增加了1.33%，召回率增加了3.83%。
关键词：缺陷检测;;图像处理;;机器学习;;YOLOv5;;注意力机制;;二值图像
基金资助：国家自然科学基金资助项目（11903072）;; 新疆大学博士启动项目（620321029)
