【技术实现步骤摘要】
本专利技术涉及管道漏磁，特别是涉及一种针对管道漏磁数据增强及缺陷和异常信号检测的方法。
技术介绍
1、管道的损坏主要是由于管道铁磁性材料的损坏，出现包括腐蚀、穿孔、泄漏、爆管等，不仅会造成重大直接或间接的经济损失，而且会造成严重的环境污染。在传统对获取的管道缺陷信号进行缺陷识别的过程中，最常用的方式是采用人工观测信号图像的形式，但由于人工判别法需检测人员连续地观察大量数据，长时间的高强度工作会造成无损检测工作人员视觉疲劳，导致对缺陷的漏检和误检，影响检测结果的准确性。而基于深度学习对漏磁图像进行识别的方法，需耗费大量标注工作和计算资源。当原始样本有限且数据形式复杂时，检测精度会显著下降，且将漏磁数据转换成图像进行识别需要先人工提取缺陷数据，无法实现对原始采集漏磁信号的缺陷自动检测。
2、在实际检测环境中，长输油气管道在三通、弯头和接头等连接部件，锚固块和支架等支撑部件处会存在外接金属，当管道漏磁内检测器经过这些部件时同样会出现漏磁现象，且在管道漏磁内检测器的工作过程中，噪声干扰和传感器通道损坏等原因也会使检测到的漏磁信号存在...
【技术保护点】
1.一种针对管道漏磁数据增强及缺陷和异常信号检测的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种针对管道漏磁数据增强及缺陷和异常信号检测的方法，其特征在于，所述数据增强模型包括生成器分支、判别器分支和损失函数分支；所述管道缺陷和异常信号判断准则包含基于ResNet101模型的概率预测分支、管道缺陷判别准则分支和管道异常信号判别准则分支；
3.根据权利要求2所述的一种针对管道漏磁数据增强及缺陷和异常信号检测的方法，其特征在于，所述生成器分支包括RS网络、R1～R4网络和RT网络。
4.根据权利要求3所述的一种针对管道漏...
【技术特征摘要】
1.一种针对管道漏磁数据增强及缺陷和异常信号检测的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种针对管道漏磁数据增强及缺陷和异常信号检测的方法，其特征在于，所述数据增强模型包括生成器分支、判别器分支和损失函数分支；所述管道缺陷和异常信号判断准则包含基于resnet101模型的概率预测分支、管道缺陷判别准则分支和管道异常信号判别准则分支；
3.根据权利要求2所述的一种针对管道漏磁数据增强及缺陷和异常信号检测的方法，其特征在于，所述生成器分支包括rs网络、r1～r4网络和rt网络。
4.根据权利要求3所述的一种针对管道漏磁数据增强及缺陷和异常信号检测的方法，其特征在于，所述rs模块由一个1×1的转置卷积构成，用来将随机噪声sn重塑成通道数为16、大小为50×50的特征图，以捕捉更多的空间特征。
5.根据权利要求2所述的一种针对管道漏磁数据增强及缺陷和异常信号检测的方法，其特征在于，所述判别器分支包括al网络、a1～a2网络和ac网络。
6.根据权利要求5所述的一种针对管道漏磁数据增强...
【专利技术属性】
技术研发人员：刘斌，丁丽莹，何璐瑶，廉正，董鑫洋，董宏丽，王竹筠，李媛琳，胡宁，刘楠，梁正，杨理践，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。