买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国家石油天然气管网集团有限公司;国家石油天然气管网集团有限公司科学技术研究总院分公司

摘要：本发明提供一种基于多态矩形特征提取网络的管道缺陷检测方法及装置，涉及油气管道检测技术领域。本发明提供的方法通过对样本图像进行横向多态矩形池化处理、纵向多态矩形池化处理和长窄形卷积处理，得到样本图像对应的像素间的长范围依赖性增强的多个特征图，且多个特征图中每个特征图均具有远距离信息和近距离信息，这样一来，基于每个样本图像的多个特征图训练得到的神经网络模型能够对管道内部的方形缺陷与长窄形缺陷进行准确检测，从而提升检测的准确性，并且本发明提供的方法能够有效减少检测时间，提升检测效率。

主权项：1.一种基于多态矩形特征提取网络的管道缺陷检测方法，其特征在于，所述方法包括：获取训练样本集，所述训练样本集包括多个样本图像以及每个样本图像对应的缺陷检测结果，所述样本图像为图像传感器在管道内部获取的；将所述多个样本图像输入特征金字塔网络，输出每个所述样本图像的特征图C1、特征图C2和特征图C3，其中，每个所述样本图像的特征图C1、特征图C2和特征图C3的图像尺寸不同；对每个所述样本图像的特征图C1、特征图C2和特征图C3进行横向多态矩形池化处理和纵向多态矩形池化处理，得到每个所述样本图像的特征图C1对应的特征图C11、特征图C2对应的特征图C21和特征图C3对应的特征图C31，以及对每个所述样本图像的特征图C1、特征图C2和特征图C3进行长窄形卷积处理，得到每个所述样本图像的特征图C1对应的特征图C12、特征图C2对应的特征图C22和特征图C3对应的特征图C32，其中，每个所述样本图像的特征图C11、特征图C21和特征图C31为包括远距离上下文信息的特征图，每个所述样本图像的特征图C12、特征图C22和特征图C32为长范围空间依赖性增强的特征图；将每个所述样本图像的特征图C11和特征图C12进行叠加处理，得到每个所述样本图像的特征图P1，将每个所述样本图像的特征图C21和特征图C22进行叠加处理，得到每个所述样本图像的特征图P2，将每个所述样本图像的特征图C31和特征图C32进行叠加处理，得到特征图P3；对每个所述样本图像的特征图P3进行卷积处理，以使得每个所述样本图像的特征图P3的通道数量为预设值，得到每个所述样本图像的特征图Q3，将每个所述样本图像的特征图P3进行采样扩大处理后与每个所述样本图像的特征图P2进行叠加处理，得到每个所述样本图像的第一特征图，对每个所述样本图像的第一特征图进行卷积处理，以使得每个所述样本图像的第一特征图的通道数量为预设值，得到每个所述样本图像的特征图Q2，将每个所述样本图像的特征图P2进行采样扩大处理后与每个所述样本图像的特征图P1进行叠加处理，得到每个所述样本图像的第二特征图，对每个所述样本图像的第二特征图进行卷积处理，以使得每个所述样本图像的第二特征图的通道数量为预设值，得到每个所述样本图像的特征图Q1；对每个所述样本图像的特征图Q3进行卷积处理，得到每个所述样本图像的特征图Q4；对每个所述样本图像的特征图Q4进行卷积处理，得到每个所述样本图像的特征图Q5；根据每个所述样本图像的特征图Q1、特征图Q2、特征图Q3、特征图Q4、特征图Q5和缺陷检测结果对神经网络模型进行训练，得到训练完成的神经网络模型；将待检测管道的管道内部图像输入所述训练完成的神经网络模型，输出所述待检测管道对应的缺陷检测结果，所述缺陷检测结果包括检测正常或检测异常。

全文数据：

权利要求：

百度查询： 国家石油天然气管网集团有限公司 国家石油天然气管网集团有限公司科学技术研究总院分公司 基于多态矩形特征提取网络的管道缺陷检测方法及装置