融合注意力与残差网络的石油管材失效宏观影像智能识别方法

作     者：朱丽娟 冯春 刘芯言 许梦飞 吉楠 王鹏 周扬 李露 ZHU Lijuan;FENG Chun;LIU Xinyan;XU Mengfei;JI Nan;WANG Peng;ZHOU Yang;LI Lu

作者机构：中国石油集团工程材料研究院有限公司油气钻采输送装备全国重点实验室陕西西安710077 西安石油大学材料科学与工程学院陕西西安710065 

基　　金：国家重点研发计划项目“苛刻环境能源井钻采用高性能钛合金管材研发及应用”(编号:2021YFB3700800) 中国石油天然气集团公司基础研究和战略储备技术研究基金项目“基于弱监督学习的管材失效影像数据智能化处理关键技术研究”(编号:2021DQ03(2022Z-22)) 中国石油天然气集团公司科学研究与技术开发项目“耐蚀、抗菌、高强度低密度油井管新材料开发”(编号:2021DJ2703) 中国石油天然气集团公司科学研究与技术开发项目“CCUS注采工艺、产出气循环利用及高效防腐关键技术研究”(编号:2021ZZ01-04) 

出 版 物：《石油管材与仪器》 (Petroleum Tubular Goods & Instruments)

年 卷 期：2024年第10卷第1期

页      码：33-40页

摘      要：基于深度学习的石油管材失效影像智能识别方法是目前的研究热点。针对传统的识别网络/模型存在精度不佳、泛化能力差等问题,基于残差块堆叠设计思路,建立了融合注意力与残差网络的石油管材失效宏观影像智能识别模型/算法。该算法赋予网络对石油管材失效典型宏观影像(断裂、腐蚀、磨损、形变)特征权重分配功能,有效提升神经网络捕获宏观影像关键特征信息的能力。与传统BottleNeck结构网络87.52%的平均分类精度相比,融合注意力与残差网络的AXBlock网络模型的平均分类精度达到94.93%。此研究工作将为石油管材失效智能诊断、失效分析预测与预防提供技术支撑。

主 题 词：石油管材 深度学习 神经网络 失效分析 宏观影像 

学科分类：0820[工学-航空航天类] 08[工学] 082002[082002] 

D　O　I：10.19459/j.cnki.61-1500/te.2024.01.007

馆 藏 号：203125451...