一种基于注意力机制的石油管材失效影像微观裂纹识别方法及系统与流程

本发明属于图像处理，涉及一种基于注意力机制的石油管材失效影像微观裂纹识别方法及系统。

背景技术：

1、石油管材失效分析是管材失效预防与控制的必要手段，其中，裂纹诊断技术是石油管材失效分析的重要分支技术之一。基于裂纹诊断厘清裂纹萌生与扩展机制是石油管材失效模式诊断与失效机理分析的主要技术手段。然而，传统的裂纹分析主要依靠专家经验，受学科差异、从业经验以及外在因素影响，裂纹诊断结果离散度大、诊断周期长、效率低，这将直接影响失效分析技术的分析决策效率与结论精准性。

2、近年来，基于深度学习的裂纹检测和识别方法在影像智能诊断/检测识别领域的研究备受关注，并陆续用于医学影像、汽车零部件裂纹、桥梁裂纹、钢轨裂纹检测与识别。基于深度学习的微观裂纹检测技术，可实现石油管材失效形态精细刻画，为石油管材失效模式确定与失效原因智能推理提供数据支持。

3、现有的基于深度学习的裂纹目标检测网络分为二阶段检测网络和一阶段检测网络。典型的二阶段检测网络有faster-rcnn，典型的一阶段检测网络有yolov3和ssd等。石油管材微观裂纹具有形式多样、尺度差异大、细节复杂的特点。faster rcnn网络采用的单尺度特征图预测方法，很难适应石油管材微观裂纹的尺度变化问题；而yolov3和ssd都是一阶段的网络，在未生成候选框阶段，直接预测目标的概率和位置，识别精度损失大；同时，faster rcnn、yolov3和ssd均采用标准卷积提取特征，在空间上很难适应石油管材微观裂纹的多样性；石油管材微观裂纹的纹理细节复杂，faster rcnn、yolov3和ssd也未在通道上着重增加有效特征通道的权重，识别精度低。

技术实现思路

1、本发明的目的在于解决现有技术中石油管材微观裂纹的纹理细节复杂，现有网络未在通道上着重增加有效特征通道的权重，导致识别精度低的问题，提供一种基于注意力机制的石油管材失效影像微观裂纹识别方法及系统。

2、为达到上述目的，本发明采用以下技术方案予以实现：

3、本发明提出的一种基于注意力机制的石油管材失效影像微观裂纹识别方法，包括如下步骤：

4、根据defresnet骨干网络和fpn网络提取影像图像特征；

5、根据multi-dethead模块对影像图像特征进行检测，获取候选框；

6、对候选框进行优化处理，获取影视图像的检测结果，实现裂纹识别。

7、优选地，构建defresnet骨干网络如下：

8、通过两个3×3的标准卷积、两个归一化层、两个relu激活层和一个短路连接构建一个标准残差块；

9、通过两个3×3的可变形卷积替换残差模块中的标准卷积，构建一个基于可变形卷积的残差块；

10、将标准的残差块和基于可变形卷积的残差块堆叠，组成基于可变形卷积的defresnet骨干网络。

11、优选地，multi-dethead网络由多个dethead组成。

12、优选地，采用通道注意力refhead模块对候选框进行优化处理，经过roi pooling将候选框内校正后的特征调整为固定大小的特征向量，将特征向量送入分类、回归网络，获取影视图像的检测结果。

13、优选地，defresnet骨干网络、fpn网络、multi-dethead模块和refhead模块的损失函数均为l({pi},{ti})；

14、

15、其中，lcls(pi,pi*)为分类损失，为回归损失，ncls表示总的锚框数量，表示总的锚框的分类损失之和，pi表示预测框为目标的概率，表示真实框的标签，λ表示一个用来平衡回归与分类loss比例因子，nreg表示总的锚框数量，表示总的锚框的回归loss之和，ti表示锚框的预测偏移量，ti*表示真实框的位置坐标。

16、优选地，分类损失

17、优选地，回归损失：

18、

19、其中，smoothl1函数的参数中，ti＝{tx,ty,tw,th}表示第i个锚框的预测偏移量，tx和ty表示预测锚框的中心点坐标，tw表示预测锚框的宽，th表示预测锚框的高。

20、本发明提出的一种基于注意力机制的石油管材失效影像微观裂纹识别系统，包括：

21、特征提取模块，所述特征提取模块用于根据defresnet骨干网络和fpn网络提取影像图像特征；

22、候选框获取模块，所述候选框获取模块用于根据multi-dethead模块对影像图像特征进行检测，获取候选框；

23、图像检测模块，所述图像检测模块用于对候选框进行优化处理，获取影视图像的检测结果，实现裂纹识别。

24、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行计算机程序时实现基于重卡变速器的生产检验方法的步骤。

25、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现基于重卡变速器的生产检验方法的步骤。

26、与现有技术相比，本发明具有以下有益效果：

27、本方案提出了一种基于注意力机制的石油管材失效影像微观裂纹识别方法，用于石油管材微观裂纹的检测和分类。针对石油管材微观裂纹影像中纹理形式多样，固定采样点和尺寸的传统卷积核对于多种形式的纹理适应性差，泛化能力不强，因此在提取特征的骨干网络上采用了可变形卷积，以提高特征的抓取能力，获得表达能力更强的纹理特征；针对石油管材微观裂纹影像中纹理的尺度差异大，传统的单尺度特征图无法实现多全尺度纹理的描述，进而影响了检测效果，因此提出了采用fpn的多尺度特征提取及目标检测网络，在特征提取中兼顾了细节信息和语义信息，增强了特征的鲁棒性，在目标检测时对多个尺度特征图并行检测，扩大了目标检测的尺度范围；针对石油管材微观裂纹影像中纹理细节复杂的特点，在优化检测网络中对特征图采用通道注意力模块进行优化，增加有效特征通道的权重，提高了纹理细节对检测结果的影响。

28、本发明提出的一种基于注意力机制的石油管材失效影像微观裂纹识别系统，通过将系统划分为特征提取模块、候选框获取模块和图像检测模块，实现裂纹识别。采用模块化思想使各个模块之间相互独立，方便对各模块进行统一管理。

技术特征：

1.一种基于注意力机制的石油管材失效影像微观裂纹识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于注意力机制的石油管材失效影像微观裂纹识别方法，其特征在于，构建defresnet骨干网络如下：

3.根据权利要求1所述的基于注意力机制的石油管材失效影像微观裂纹识别方法，其特征在于，multi-dethead网络由多个dethead组成。

4.根据权利要求1所述的基于注意力机制的石油管材失效影像微观裂纹识别方法，其特征在于，采用通道注意力refhead模块对候选框进行优化处理，经过roi pooling将候选框内校正后的特征调整为固定大小的特征向量，将特征向量送入分类、回归网络，获取影视图像的检测结果。

5.根据权利要求4所述的基于注意力机制的石油管材失效影像微观裂纹识别方法，其特征在于，defresnet骨干网络、fpn网络、multi-dethead模块和refhead模块的损失函数均为l({pi},{ti})；

6.根据权利要求5所述的基于注意力机制的石油管材失效影像微观裂纹识别方法，其特征在于，分类损失

7.根据权利要求5所述的基于注意力机制的石油管材失效影像微观裂纹识别方法，其特征在于，回归损失：

8.一种基于注意力机制的石油管材失效影像微观裂纹识别系统，其特征在于，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行计算机程序时实现如权利要求1至7中任意一项所述的基于重卡变速器的生产检验方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于重卡变速器的生产检验方法的步骤。

技术总结本发明公开了一种基于注意力机制的石油管材失效影像微观裂纹识别方法及系统，通过基于可变形卷积的DefResnet作为骨干网络，有效提升了网络的特征抓取能力，用于提取影像的特征；采用Multi‑DetHead模块进行多尺度的检测，生成候选框，通过该阶段的多尺度目标检测，实现对不同大小纹理的检测；采用基于通道注意力机制RefHead模块作为细化检测网络，通过对Multi‑DetHead模块生成的候选检测框内的特征进行优化以及通道权重的调整，并通过分类和回归网络再次回归检测框位置及分类概率，得到最终的检测结果。本发明应用时使得识别结果更为可靠，有效提高了石油管材微观裂纹的种类识别精度。技术研发人员：朱丽娟,冯春,刘芯言,吉楠,王鹏,许梦飞受保护的技术使用者：中国石油天然气集团有限公司技术研发日：技术公布日：2024/9/29