基于U-Net卷积神经网络的管道漏磁异常检测

摘要

提出了一种基于深度网络的图像分割方法,对漏磁图像进行异常检测.该方法基于U-Net网络模型来提取管道图像异常特征,该网络模型分成2个部分,分别是Encoder和Decoder.其中Encoder是基于Resnet的改进网络,Decoder是基于U-Net的网络.在Encoder部分用深度可分离卷积代替原始的卷积部分,引入空洞卷积.运用基于对抗网络的训练方法对异常图像进行进一步修正,提升了检测准确性.实验结果显示:该方法在真实管道数据集上的IoU达到了0.983,可以满足众多工业应用的需求.