基于漏磁内检测的自监督缺陷检测方法

作     者：刘金海 赵贺 神祥凯 鲁丹宇 唐建华 Liu Jinhai;Zhao He;Shen Xiangkai;Lu Danyu;Tang Jianhua

作者机构：东北大学信息科学与工程学院沈阳110004 沈阳智谷科技有限公司沈阳110004 中海油能源发展装备技术有限公司天津300452 

基　　金：国家重点研发计划(2017YFF0108800) 国家自然科学基金(61973071,61627809,61703087) 辽宁省自然科学基金(2019-KF-03-04)项目资助 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2020年第41卷第9期

页      码：180-187页

摘      要：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。

主 题 词：缺陷检测 深度学习 自监督 视觉表示对比学习的简单框架 

学科分类：0820[工学-航空航天类] 080706[080706] 08[工学] 0807[工学-电子信息类] 082003[082003] 

核心收录：

D　O　I：10.19650/j.cnki.cjsi.J2006670

馆 藏 号：203993480...