[发明专利]一种管道漏磁缺陷的定量化检测方法、系统和电子设备在审
| 申请号： | 202210644503.7 | 申请日： | 2022-06-08 |
| 公开（公告）号： | CN114972973A | 公开（公告）日： | 2022-08-30 |
| 发明（设计）人： | 田野;赵康;周彬;邹斌;徐春燕;阙永彬;高涛;李振军;方卫林;陈海艳 | 申请（专利权）人： | 国家石油天然气管网集团有限公司;管网集团（新疆）联合管道有限责任公司 |
| 主分类号： | G06V20/00 | 分类号： | G06V20/00;G06N3/04;G06N3/08;G06V10/764;G06V10/774;G06V10/82;G06T7/00;F17D5/06 |
| 代理公司： | 北京轻创知识产权代理有限公司 11212 | 代理人： | 王澎 |
| 地址： | 100013 北京市朝*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 管道 缺陷 量化 检测 方法 系统 电子设备 | ||
1.一种管道漏磁缺陷的定量化检测方法，其特征在于，包括：
获取待检测管道的图像；
利用漏磁缺陷定量模型对所述待检测管道的图像进行识别，得到识别结果，其中，所述漏磁缺陷定量模型是基于多个含有漏磁缺陷的图像训练得到的，所述识别结果为所述待检测管道无漏磁缺陷，或，所述识别结果为：所述待检测管道具有漏磁缺陷以及该漏磁缺陷的尺寸信息和缺陷类型。
2.根据权利要求1所述的一种管道漏磁缺陷的定量化检测方法，其特征在于，还包括：
基于多个含有漏磁缺陷的图像训练，对搭建的MobileNetV2深度学习神经网络进行训练，得到所述漏磁缺陷定量模型。
3.根据权利要求1所述的一种管道漏磁缺陷的定量化检测方法，其特征在于，所述获取待检测管道的图像，包括：
通过型号为OV2640的摄像头采集所述待检测管道的图像。
4.根据权利要求1至3任一项所述的一种管道漏磁缺陷的定量化检测方法，其特征在于，还包括：
当识别结果为所述待检测管道具有漏磁缺陷以及该漏磁缺陷的尺寸信息时，发出警报。
5.根据权利要求4所述的一种管道漏磁缺陷的定量化检测方法，其特征在于，所述发出警报包括：
通过stm32声光报警器发生警报。
6.一种管道漏磁缺陷的定量化检测系统，其特征在于，包括获取模块和识别模块；
所述获取模块用于：获取待检测管道的图像；
所述识别模块用于：利用漏磁缺陷定量模型对所述待检测管道的图像进行识别，得到识别结果，其中，所述漏磁缺陷定量模型是基于多个含有漏磁缺陷的图像训练得到的，所述识别结果为所述待检测管道无漏磁缺陷，或，所述识别结果为：所述待检测管道具有漏磁缺陷以及该漏磁缺陷的尺寸信息和缺陷类型。
7.根据权利要求6所述的一种管道漏磁缺陷的定量化检测系统，其特征在于，还包括训练模块，所述训练模块用于：
基于多个含有漏磁缺陷的图像训练，对搭建的MobileNetV2深度学习神经网络进行训练，得到所述漏磁缺陷定量模型。
8.根据权利要求6所述的一种管道漏磁缺陷的定量化检测系统，其特征在于，所述获取模块具体用于：
通过型号为OV2640的摄像头采集所述待检测管道的图像。
9.根据权利要求6至8任一项所述的一种管道漏磁缺陷的定量化检测系统，其特征在于，还包括报警模块，所述报警模块用于：
当识别结果为所述待检测管道具有漏磁缺陷以及该漏磁缺陷的尺寸信息时，发出警报。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述的一种管道漏磁缺陷的定量化检测方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国家石油天然气管网集团有限公司;管网集团（新疆）联合管道有限责任公司，未经国家石油天然气管网集团有限公司;管网集团（新疆）联合管道有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202210644503.7/1.html，转载请声明来源钻瓜专利网。
