第４０卷第７期压力容器２０２３年７月ｄｏｉ：檭檭檭檭檭檭檭檭檭檭檭檭檭檭檭檭檭檭檭檭殐殐殐殐１０．３９６９／ｊ．ｉｓｓｎ．１００１－４８３７．２０２３．０７．０１０检验与维护基于ＲｅｓＮｅｔ模型的聚乙烯燃气管道接头缺陷识别算法凌晓１，程凌宇１，郭凯１，杨凯１，孙宝财２（１．兰州理工大学石油化工学院，兰州７３００５０；２．甘肃省特种设备检验检测研究院，兰州７３００５０）摘要：接头是聚乙烯燃气管道容易出现危害性缺陷的薄弱环节，需对此薄弱区域进行定期检测，以确保聚乙烯燃气管道的安全运行。为提高聚乙烯燃气管道接头缺陷图像识别能力，提出了一种基于ＲｅｓＮｅｔ网络模型的改进型卷积神经网络识别算法。首先运用Ｌａｐｌａｃｉａｎ算子、中值滤波等方式实现对ＰＥ燃气管道接头缺陷图像的预处理；然后，将ｄｒｏｐｏｕｔ层和ＥＬＵ函数加入在ＲｅｓＮｅｔ３４网络模型中完成图像识别模型的构建；最后，采用改进的ＲｅｓＮｅｔ３４网络模型通过试验对包含６种热熔缺陷类型的数据集进行训练和测试。试验结果表明，改进后的ＲｅｓＮｅｔ３４网络模型对缺陷图像的训练正确率可达到９７．３％，且拥有比原始的ＲｅｓＮｅｔ３４网络模型和ＤｅｎｓｅＮｅｔ网络模型更高的正确率，验证了此模型对于热熔接头缺陷图像识别的有效性。关键词：聚乙烯燃气管道；缺陷检测；图像识别；卷积神经网络；ＲｅｓＮｅｔ３４模型中图分类号：ＴＨ４９；ＴＱ０５５．８；ＴＰ１８３文献标志码：ＡＤｅｆｅｃｔｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｏｆｐｏｌｙｅｔｈｙｌｅｎｅｇａｓｐｉｐｅｌｉｎｅｊｏｉｎｔｂａｓｅｄｏｎＲｅｓＮｅｔｍｏｄｅｌＬＩＮＧＸｉａｏ１，ＣＨＥＮＧＬｉｎｇｙｕ１，ＧＵＯＫａｉ１，ＹＡＮＧＫａｉ１，ＳＵＮＢａｏｃａｉ２（１．ＣｏｌｌｅｇｅｏｆＰｅｔｒｏｌｅｕｍａｎｄＣｈｅｍｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＬａｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｌａｎｚｈｏｕ７３００５０，Ｃｈｉｎａ；２．ＧａｎｓｕＰｒｏｖｉｎｃｅＳｐｅｃｉａｌＥｑｕｉｐｍｅｎｔＩｎｓｐｅｃｔｉｏｎａｎｄＴｅｓｔｉｎｇＩｎｓｔｉｔｕｔｅ，Ｌａｎｚｈｏｕ７３００５０，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｊｏｉｎｔｉｓａｗｅａｋｌｉｎｋｐｒｏｎｅｔｏｈａｒｍｆｕｌｄｅｆｅｃｔｓｗｈｉｃｈａｒｅｅａｓｙｔｏｅｘｉｓｔｏｎｐｏｌｙｅｔｈｙｌｅｎｅｇａｓｐｉｐｅｌｉｎｅ．Ｔ...
