基于深度学习的燃气PE管道焊缝缺陷检测

为了解决人工与传统数字图像处理方法进行燃气PE管道焊缝缺陷识别时面临的效率低、漏检率高、评片效果不佳等问题,提出了基于深度学习算法的燃气PE管道焊缝缺陷智能检测方法,实现从输入燃气PE管道焊缝DR检测图像到输出缺陷种类及其测量值的精细化测量。首先,在宏观区域层面采用YOLOv5网络预提取缺陷区域,减少与缺陷相似的非目标区域的干扰,并设计了融合坐标注意力机制(CA)与加权双向特征金字塔网络(BiFPN)的CA-BiFPN模块,以提高对小目标缺陷检测能力,其最终的缺陷识别定位平均精确度为95.1%。然后,在微观边界层面采用语义分割算法Deeplabv3+,实现像素级别的缺陷分割,缺陷分割平均像素准确率为91.25%、平均交并比值为85.52%。最后,在几何特征层面采用最小外接矩形法计算其实际尺寸大小,其平均相对误差为5.47%。结果表明该检测方法可实现燃气PE管缺陷高效率、高精度、智能化检测。