RUS  ENG
Полная версия
ЖУРНАЛЫ // Интеллектуальные системы. Теория и приложения // Архив

Интеллектуальные системы. Теория и приложения, 2022, том 26, выпуск 1, страницы 225–228 (Mi ista360)

Часть 5. Искусственные нейронные сети и машинный интеллект

Диагностика нефтяных трубопроводов с помощью машинного обучения

Ю. Д. Кацер, В. О. Козицин

Сколковский институт науки и технологий

Аннотация: Метод дефектоскопии на основе магнитного потока является наиболее распространенным подходом для неразрушающего контроля нефте- и газопроводов. В результате дефектоскопии получаются магнитограммы, зачастую анализируемые полуавтоматизированными методами, что приводит к снижению точности и увеличению времени анализа. В работе предложена новая архитектура CNN для автоматической классификации изображений на основе магнитограмм для диагностики нефтепроводов. В результате апробации разработанных алгоритмов на отложенной выборке была доказана высокая точность и эффективность разработанного решения.

Ключевые слова: Глубинное обучение, Машинное зрение, сверточные нейронные сети, поиск аномалий, внутритрубная диагностика нефтепроводов, обработка данных магнитного потока.



© МИАН, 2024