基于多尺度特征的管道环焊缝定位方法研究

环焊缝是管道检测数据分析的重要参照物，可用于修正里程轮的累积误差，因此，标定环焊缝是管道漏磁内检测数据分析的必要环节。本文结合漏磁数据的特征和环焊缝在管壁上的空间分布特征，提出一种具有多尺度感受野的轻量化卷积神经网络模型。模型利用具有单传感器感受野的轴向一维卷积和具有周向全局感受野的周向环形卷积，使得环焊缝特征得到了有效提取。借鉴标签平滑的思想，对样本标签进行了增广设计。此外，对损失函数、激活函数也进行了优化设计，最终实现对环焊缝的智能定位。最后，从多种管径的在役管道检测数据中收集了5 676个样本，对模型进行了训练和评估。实验结果显示，模型具有较好收敛稳定性，在测试集上的精度达到了93.90%,召回率达到了94.79%。此外，利用未参与模型训练的Φ610管道漏磁内检测数据，对模型进行了应用测试，模型同样表现出了较好的鲁棒性，其F1值达到了0.93,说明模型具有较好的泛化能力，具备一定的工程应用价值。

Research on the localization method of pipeline girth weld based on multi-scale feature