基于边缘先验引导动态尺度融合的管道内部缺陷检测方法
本发明涉及管道检测,尤其是涉及一种基于边缘先验引导动态尺度融合的管道内部缺陷检测方法。
背景技术:
1、在石油化工领域,管道被称作石化装置的血管,承担原料、中间物料、产品、公用介质的输送任务,是连接各工艺单元不可或缺的基础设施,没有管道,整套石化生产流程无法连续运行。管道长期运行过程中,内壁持续受到腐蚀性介质、环境条件及复杂工况的影响,容易产生结垢、涂层老化、焊缝应力集中等现象,并进一步形成裂纹、点蚀、条状腐蚀、块状腐蚀及焊缝缺陷等多种内部缺陷。因此,及时、准确地检测管道内部缺陷,是保障管道安全运行和实施状态维护的重要环节。
2、现有的管道内部缺陷检测技术存在以下问题:复杂背景纹理容易产生与缺陷相似的响应,导致模型受到背景信息干扰;不同尺度缺陷对特征层级的需求存在明显差异,现有多尺度融合方式难以根据缺陷特征自适应地利用不同尺度信息;裂纹、点蚀等小尺度及弱纹理缺陷的局部结构和边缘信息容易在特征提取过程中丢失;对于形态不规则的缺陷,固定空间采样方式对其几何结构的适应能力有限。
3、因此,如何在复杂管道背景下充分利用缺陷边缘和局部结构信息,针对不同层级特征进行有效增强,并实现不同尺度缺陷特征的自适应融合,以提高小尺度、弱纹理及不规则缺陷的检测与定位能力,是目前管道内部缺陷智能检测领域需要进一步解决的技术问题。
技术实现思路
1、本发明的目的是提供一种基于边缘先验引导动态尺度融合的管道内部缺陷检测方法,以解决现有管道内部缺陷检测方法在复杂背景条件下易受到锈迹、油污、水渍及光照阴影等背景信息干扰,不同尺度缺陷特征难以有效融合,以及小尺度、弱纹理和形态不规则缺陷的局部结构与边缘信息在特征提取和尺度变换过程中容易减弱等问题,提高复杂管道场景下缺陷特征的表征能力及检测定位能力。
2、为实现上述目的,本发明提供了基于边缘先验引导动态尺度融合的管道内部缺陷检测方法,包括以下步骤:
3、s1、获取待检测管道内部图像,通过特征提取网络分层提取管道内部图像特征,获得不同空间分辨率的浅层特征、中层特征和深层特征;
4、s2、基于特征提取网络输出的浅层特征构建边缘先验,并根据动态空间采样特征与局部采样特征之间的几何差异,结合空间响应调节和边缘先验对浅层特征进行特征细化,获得细化后的浅层特征;
5、s3、分别对s2细化后的浅层特征和s1输出的中层特征进行差异化增强,其中,浅层特征采用尺度多分支特征方式增强,中层特征采用统计增强互补特征校准方式增强;
6、s4、以s3输出的中层特征的空间分辨率作为多尺度特征融合的统一尺度,并利用边缘先验对s3增强后的浅层特征和s1输出的深层特征进行多尺度空间对齐;
7、s5、将多尺度空间对齐后的浅层特征、中层特征和深层特征进行动态多尺度特征融合,得到多尺度融合特征;
8、s6、将多尺度融合特征作为多尺度残差信息,通过可学习的融合系数控制注入比例后与中层特征相加,得到最终融合特征;
9、s7、对最终融合特征采用自顶向下和自底向上的双向特征传递聚合不同尺度的信息,得到不同空间分辨率的浅层、中层和深层输出特征;
10、s8、根据s7得到的多尺度输出特征,预测管道内部缺陷目标的类别信息及位置参数,得到相应的缺陷检测结果。
11、因此,本发明采用上述的基于边缘先验引导动态尺度融合的管道内部缺陷检测方法,具有以下有益效果:
12、(1)本发明基于网络中间特征构建自适应边缘先验图,结合样本自身统计特性筛选有效边缘,可抑制锈迹、油污、水渍、光照阴影等带来的伪边缘、虚假纹理响应,减少背景噪声与缺陷特征混淆,降低复杂背景造成的误检。
13、(2)本发明通过边缘先验引导可变形细化模块,利用dcnv4可变形卷积适配缺陷不规则几何形态,搭配坐标注意力做空间重标定,缓解下采样过程中小裂纹、点蚀等弱纹理缺陷边缘、局部结构信息丢失问题,提升细小缺陷的特征保留能力。
14、(3)本发明针对浅层、中层特征表征能力的差异采用不同增强策略:浅层侧重多感受野局部结构与局部显著响应增强;中层基于统计信息实现通道-空间联合校准,避免所有层级特征采用统一处理模式,充分发挥浅层纹理细节、中层语义的各自优势。
15、(4)本发明以中层特征为参考尺度完成特征对齐,融合最大-平均混合池化保留下采样时的局部强响应;并利用边缘先验实施背景抑制,兼顾细小缺陷与大面积腐蚀等大尺度缺陷,改善尺度跨度大带来的漏检、定位不准问题。
16、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
1.基于边缘先验引导动态尺度融合的管道内部缺陷检测方法,其特征在于,包括:
2.根据权利要求1所述的基于边缘先验引导动态尺度融合的管道内部缺陷检测方法,其特征在于,s2中基于特征提取网络输出的浅层特征构建边缘先验过程包括:
3.根据权利要求2所述的基于边缘先验引导动态尺度融合的管道内部缺陷检测方法,其特征在于,步骤s2中获得细化后的浅层特征包括:
4.根据权利要求3所述的基于边缘先验引导动态尺度融合的管道内部缺陷检测方法,其特征在于:空间权重的生成过程包括依次经过设置的第一卷积层、批归一化层、silu激活层和第二卷积层,其中,第一卷积层用于对输入浅层特征进行通道压缩,其输出通道数按输入通道数的四分之一设置,并设定最小通道数为8;第二卷积层将压缩后的特征映射为单通道空间响应,并通过sigmoid激活函数将所述空间响应映射为用于调节几何差异特征的空间权重。
5.根据权利要求1所述的基于边缘先验引导动态尺度融合的管道内部缺陷检测方法,其特征在于,对细化后浅层特征采用尺度多分支特征方式增强,具体包括:
6.根据权利要求1所述的基于边缘先验引导动态尺度融合的管道内部缺陷检测方法,其特征在于,对中层特征采用统计增强互补特征校准方式增强,具体包括:
7.根据权利要求1所述的基于边缘先验引导动态尺度融合的管道内部缺陷检测方法,其特征在于,步骤s4包括:
8.根据权利要求1所述的基于边缘先验引导动态尺度融合的管道内部缺陷检测方法,其特征在于,动态多尺度特征融合过程包括:
9.根据权利要求1所述的基于边缘先验引导动态尺度融合的管道内部缺陷检测方法,其特征在于,最终融合特征表示为:
10.根据权利要求1所述的基于边缘先验引导动态尺度融合的管道内部缺陷检测方法,其特征在于,步骤s8包括:对多尺度输出特征进行联合解码,根据解码后的目标表征预测管道内部缺陷目标的类别信息及位置参数,得到缺陷目标的类别识别结果和位置检测结果。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com