基于深度学习的热网管道表面破损检测  

作　　者：胡继新 何子峰 谭学靖 张荣达 郑亚锋 

机构地区：[1]国家电投集团东方新能源股份有限公司热力分公司,河北石家庄050000 [2]国家电投集团河北电力有限公司,河北石家庄050000 [3]国核电力规划设计研究院有限公司,北京100000

出　　处：《科技与创新》2023年第6期27-29,共3页Science and Technology & Innovation

基　　金：国家电投集团公司统筹研发经费支持项目“综合智慧能源管网云-机协同智能巡检”(编号:KYTC2020ZH04)。

摘　　要：主要研究采用机器人自动巡检的地下热网管道表面保温层破损检测问题。机器人搭载摄像头下井采集到管道表面信息后,选用YOLOv5算法进行表面破损检测定位,本次研究选用的YOLOv5在处理速度、检测的准确率等方面都有出色的表现。并且YOLOv5轻量模型最小只有27 MB,目标检测速度达到6.48帧/s。该算法自适应地学习和提取表面破损的特征,即使破损的颜色和纹理不同,也能准确地识别出管道表面破损。

关 键 词：深度学习 YOLOv5 破损检测 机器人巡检 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]