基于注意力特征融合的漏磁缺陷识别方法
郭磊1
丁疆强1
李智文1
李洪伟2
1.国家石油天然气管网集团有限公司 西气东输分公司,上海 2001222.沈阳国仪检测技术有限公司,辽宁 沈阳 110043
摘要：针对漏磁缺陷识别率低、检测速度慢等问题,提出了一种基于注意力特征融合的漏磁缺陷识别方法.所提算法以CenterNet为基础进行修改,主干网络选取了一种轻量级网络PP-LCNet,相较于现在流行的主干特征提取网络既保证了低计算量又保证了高精度.采用注意力网络CBAM主动学习低层特征中的重要信息并与高层特征进行融合,使模型同时获得低层细粒度信息与高层语义信息,进而提升小缺陷识别的准确率.结果表明,当IOU大于 0.5 时,所提算法的准确率为94.3%,推理时间为9.6 ms.
关键词：注意力机制缺陷识别深度学习深度可分离卷积特征融合轻量级网络漏磁目标检测
分类号：TE973.6(石油机械设备与自动化)
资助基金：中国博士后科学基金(2020M670796)
论文发表日期：2024-03-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 212-218 )
英文信息