Multi-modal cascade detection of pipeline defects based on deep transfer metric learning

级联 管道(软件) 情态动词 公制(单位) 学习迁移 计算机科学 人工智能 传输(计算) 模式识别(心理学) 工程类 材料科学 复合材料 并行计算 程序设计语言 运营管理 化学工程
作者
Boxuan Gao,Zhonghua Hong,Xingyuan Miao
出处
期刊:Engineering Failure Analysis [Elsevier]
卷期号:: 108216-108216
标识
DOI:10.1016/j.engfailanal.2024.108216
摘要

Pipeline defect detection technology plays an important role in pipeline maintenance and transportation. Defect detection based on machine learning methods has gained considerable attention in practical engineering. However, it is still challenging to provide an accurate diagnosis and defect size estimation due to the poor inter-class discriminability and intra-class concentration. Such as, it is difficult to distinguish the hole defect, which is similar in appearance to dent defect. For this purpose, a multi-modal cascade detection framework of pipeline defects based on Deep Transfer Metric Learning (DTML) is proposed for defect recognition and defect size estimation, which integrates with machine vision and Magnetic Flux Leakage (MFL). DTML model based on ResNet50 is designed to extract discriminative features from defect images obtained through vision sensor. To enhance the features of MFL signals, Gramian Angular Field (GAF) is used to achieve the two-dimensional feature extraction. After that, three ResNet101 models are developed to estimate the pipeline defect size of different types. The experimental results demonstrate that the proposed multi-modal cascade detection framework performs well in defect recognition and defect size estimation.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
逃之姚姚发布了新的文献求助10
2秒前
机智的紫丝完成签到,获得积分10
4秒前
李爱国应助归仔采纳,获得10
5秒前
在我梦里绕完成签到,获得积分10
5秒前
科研通AI2S应助碎冰冰采纳,获得10
5秒前
科研通AI2S应助碎冰冰采纳,获得10
5秒前
郑先生完成签到 ,获得积分20
6秒前
7秒前
南楼小阁主完成签到,获得积分10
8秒前
11秒前
归仔完成签到,获得积分10
11秒前
xvzhenyuan发布了新的文献求助10
13秒前
酷酷学发布了新的文献求助10
14秒前
loulan完成签到,获得积分10
15秒前
星忆眠完成签到,获得积分10
15秒前
Orange应助樊书南采纳,获得10
18秒前
wy.he举报我不可爱jx求助涉嫌违规
18秒前
ximomm完成签到,获得积分10
20秒前
顺心的梨愁完成签到 ,获得积分10
20秒前
小景完成签到,获得积分20
21秒前
chen完成签到,获得积分10
22秒前
23秒前
飘逸问薇完成签到 ,获得积分10
24秒前
24秒前
TX_W发布了新的文献求助10
25秒前
小小康康完成签到,获得积分10
25秒前
piaoyingzhiyu发布了新的文献求助30
29秒前
Lazarus_x发布了新的文献求助10
29秒前
yema完成签到 ,获得积分10
31秒前
33秒前
34秒前
浅是宝贝完成签到 ,获得积分10
34秒前
dengqin完成签到 ,获得积分10
35秒前
JamesPei应助Lazarus_x采纳,获得10
38秒前
哭泣剑封完成签到,获得积分10
40秒前
40秒前
41秒前
小学生的练习簿完成签到,获得积分10
42秒前
44秒前
xuxu发布了新的文献求助10
44秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Genera Insectorum: Mantodea, Fam. Mantidæ, Subfam. Hymenopodinæ (Classic Reprint) 800
Ethnicities: Media, Health, and Coping 700
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3085924
求助须知:如何正确求助?哪些是违规求助? 2738890
关于积分的说明 7552090
捐赠科研通 2388595
什么是DOI,文献DOI怎么找? 1266658
科研通“疑难数据库(出版商)”最低求助积分说明 613539
版权声明 598591