基于YOLOv5的管道漏磁内检测环焊缝识别方法研究.pdfVIP

黑龙江科学

第１６卷总第２９１期ＨＥＩＬＯＮＧＪＩＡＮＧＳＣＩＥＮＣＥ２０２５年４月２８日第８期

基于ＹＯＬＯｖ５的管道漏磁内检测环焊缝识别方法研究

孟祥来ꎬ吕岩ꎬ李彦春ꎬ蒲晓晨ꎬ李春晖ꎬ杨椀迪

(中油管道检测技术有限责任公司ꎬ河北廊坊０６５０００)

摘要:管道漏磁内检测技术是确保长输油气管道安全稳定运行的关键技术之一ꎬ借助人工智能中的深度学习技术可实现自动识别

管道漏磁内检测数据ꎬ利用ＹＯＬＯｖ５目标检测算法ꎬ对管道漏磁内检测数据图片进行训练ꎬ训练后的模型能够自动标记出漏磁内检

测数据图片中的环焊缝ꎮ试验表明ꎬ基于ＹＯＬＯｖ５算法可以实现管道中环焊缝的自动识别ꎬ在合适的训练条件下ꎬ环焊缝识别数量

的精度可达９９.８５％ꎬ说明使用该方法对漏磁内检测数据中的环焊缝特征进行自动识别是可行的ꎬ效果较好ꎮ

关键词:管道漏磁内检测ꎻ环焊缝识别ꎻ深度学习ꎻ目标检测ꎻＹＯＬＯｖ５

中图分类号:ＴＥ９７３.６ꎻＴＰ１８３文献标志码:Ａ文章编号:１６７４－８６４６(２０２５)０８－００３８－０４

ＲｅｓｅａｒｃｈｏｎＩｄｅｎｔｉｆｉｃａｔｉｏｎＭｅｔｈｏｄｏｆＧｉｒｔｈＷｅｌｄｉｎＰｉｐｅｌｉｎｅＭａｇｎｅｔｉｃ

ＦｌｕｘＬｅａｋａｇｅＩｎｔｅｒｎａｌＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＹＯＬＯｖ５

ＭｅｎｇＸｉａｎｇｌａｉꎬＬｖＹａｎꎬＬｉＹａｎｃｈｕｎꎬＰｕＸｉａｏｃｈｅｎꎬＬｉＣｈｕｎｈｕｉꎬＹａｎｇＷａｎｄｉ

(ＣｈｉｎａＯｉｌＰｉｐｅｌｉｎｅＴｅｓｔｉｎｇＴｅｃｈｎｏｌｏｇｙＣｏ.ꎬＬＴＤ.ꎬＬａｎｇｆａｎｇ０６５０００ꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:Ａｓｏｎｅｏｆｔｈｅｉｍｐｏｒｔａｎｔｍｅｔｈｏｄｓｆｏｒｓａｆｅｔｙｄｅｔｅｃｔｉｏｎｏｆｌｏｎｇ￣ｄｉｓｔａｎｃｅｏｉｌａｎｄｇａｓｐｉｐｅｌｉｎｅｓꎬｐｉｐｅｌｉｎｅｍａｇｎｅｔｉｃ

ｆｌｕｘｌｅａｋａｇｅｄｅｔｅｃｔｉｏｎｔｅｃｈｎｏｌｏｇｙｐｌａｙｓａｎｉｍｐｏｒｔａｎｔｒｏｌｅｉｎｇｕａｒａｎｔｅｅｉｎｇｔｈｅｓａｆｅｏｐｅｒａｔｉｏｎｏｆｐｉｐｅｌｉｎｅｓ.Ｗｉｔｈｔｈｅｈｅｌｐｏｆ

ｔｈｅｄｅｅｐｌｅａｒｎｉｎｇｔｅｃｈｎｏｌｏｇｙｏｆａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅꎬｔｈｅａｕｔｏｍａｔｉｃｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｐｉｐｅｌｉｎｅｍａｇｎｅｔｉｃｆｌｕｘｌｅａｋａｇｅ

ｄｅｔｅｃｔｉｏｎｄａｔａｃａｎｂｅｒｅａｌｉｚｅｄꎬｗｈｅｎｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｏｆＹＯＬＯｖ５ｉｓｕｓｅｄｔｏｔｒａｉｎｉｍａｇｅｓｏｆｔｈｅｐｉｐｅｌｉｎｅｌｅａｋａｇｅ

ｄｅｔｅｃｔｉｏｎｄａｔａ.Ｔｈｅｔｒａｉｎｅｄｍｏｄｅｌｃａｎａｕｔｏｍａｔｉｃａｌｌｙｍａｒｋｔｈｅｇｉｒｔｈｗｅｌｄｉｎｉｍａｇｅｓｏｆｔｈｅｐｉｐｅｌｉｎｅｍａｇｎｅｔｉｃｆｌｕｘｌｅａｋａｇｅ

ｄｅｔｅｃｔｉｏｎｄａｔａ.ＴｈｒｏｕｇｈｔｈｅｔｅｓｔꎬｂａｓｅｄｏｎｔｈｅＹＯＬＯｖ５ａｌｇｏｒｉｔｈｍꎬｉｔｃａｎｒｅａｌｉｚｅｔｈｅａｕｔｏｍａｔｉｃｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｍａｇｎｅｔｉｃ

ｆｌｕｘｌｅａｋａｇｅｓｉｇｎａｌｓｏｆｇｉｒｔｈｗｅｌｄｉｎｔｈｅｐｉｐｅｌｉｎｅ.Ｕｎｄｅｒｓｕｉｔａｂｌｅｔｒａｉｎｉｎｇｃｏｎｄｉｔｉｏｎｓꎬｔｈｅａｃｃｕｒａｃｙｏｆｉｄｅｎｔｉｆｙｉｎｇｔｈｅ

ｎｕｍｂｅｒｏｆｇｉｒｔｈｗｅｌｄｃａｎｒｅａｃｈｅｓ９９.８５％ꎬｗｈｉｃｈｉｎｄｉｃａｔｅｓｔｈａｔｕｓｉｎｇｔｈｉｓｍｅｔｈｏｄｉｓａｇｏｏｄｃｈｏｉｃｅｔｏａｕｔｏｍａｔｉｃａｌｌｙ

ｒｅｃｏｇｎｉｚｅｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｇｉｒｔｈｗｅｌｄｆｒｏｍｔｈｅｍａｇｎｅｔｉｃｆｌｕｘｌｅａｋａｇｅｄｅｔｅｃｔｉｏｎｄａｔａ.

Ｋｅｙｗｏｒｄｓ:ＰｉｐｅｌｉｎｅｍａｇｎｅｔｉｃｆｌｕｘｌｅａｋａｇｅｄｅｔｅｃｔｉｏｎꎻＧｉｒｔｈｗｅｌｄｉｄｅｎ