来源：期刊VIP网 时间：
作者：胡青松;李飞;单露露;刘许;李世银;孙彦景;
单位：中国矿业大学地下空间智能控制教育部工程研究中心;中国矿业大学信息与控制工程学院;中国矿业大学徐州市智能安全与应急协同工程研究中心;
摘要：管道缺陷特征在管道漏磁图像中通常表现为小目标甚至微目标，且与图像背景区分度弱，严重影响了智能检测的准确度。为解决该问题，提出一种新颖的输油管道缺陷小目标智能检测方法。首先，对获取到的管道漏磁数据进行预处理，为后续智能检测奠定基础。随后，构建管道缺陷智能检测网络，它以YOLOv4为基准网络，通过引入RFB模块增强感受野，提高不同尺度特征的提取能力；通过增加注意力机制，提高网络对微小缺陷的关注度；通过对主干网络的轻量化，显著提升检测速度。最后，通过低质量漏磁图像的超分辨率重建，使得缺陷特征信息更丰富更明显，进一步提升检测精确度。实验表明：该算法的模型大小降低了79%,所有缺陷的实际检测准确度都在95%以上，部分缺陷的准确度达到了100%,能够满足现场实际需求。
关键词：漏磁图像;;缺陷检测;;网络轻量化;;注意力机制;;超分辨率重建
基金资助：国家自然科学基金项目(51874299);; 山东省重大科技创新工程项目(2019JZZY020505);; 中国矿业大学“工业物联网与应急协同”创新团队资助计划(2020ZY002)
