(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211121759.6 (22)申请日 2022.09.15 (71)申请人 中国石油大 学 （北京） 地址 102200 北京市昌平区府学路18号 (72)发明人 徐鲁帅　董绍华　李凤　魏昊天　 任庆滢　黄嘉伟　刘嘉玥　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 史翠 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/22(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G01N 27/83(2006.01) (54)发明名称 一种管道的漏磁内检测方法、 系统及相关组 件 (57)摘要 本申请公开了一种管道的漏磁内检测方法、 系统及相关组件， 涉及管道检测领域， 该方法包 括： 获取漏磁内检测器通过目标管道后得到的漏 磁内检测信号； 根据所有漏磁内检测 信号生成漏 磁曲线图像； 将漏磁曲线图像输入图像识别模型 以得到部位分析结果； 根据目标管道的部位参 数， 在漏磁曲线图像上增加相应的部位标记； 对 目标管道的部位标记与部位分析结果进行比对， 得到最终检测结果； 图像识别模型包括YOLO模型 和注意力模 型。 本申请根据漏磁内检测 信号生成 漏磁曲线图像， 并利用YOL O模型和注意力模型结 合的图像识别模 型分析漏磁曲线图像， 能够较为 准确地识别出微细缺陷， 得到精确度较高的部位 分析结果， 进而得到深入、 准确的最终检测结果。 权利要求书1页 说明书11页 附图10页 CN 115457391 A 2022.12.09 CN 115457391 A 1.一种管道的漏磁内检测方法， 其特 征在于， 包括： 获取漏磁内检测器通过目标 管道后得到的漏磁内检测信号； 根据所有所述漏磁内检测信号 生成漏磁曲线图像； 将所述漏磁曲线图像输入图像识别模型， 以使所述图像识别模型输出对应所述漏磁曲 线图像的部位分析 结果； 根据所述目标 管道的部位 参数， 在所述漏磁曲线图像上增 加相应的部位标记； 对所述目标 管道的部位标记与所述部位分析 结果进行比对， 得到最终检测结果； 所述图像识别模型包括YOLO模型和注意力模型。 2.根据权利要求1所述漏磁内检测方法， 其特 征在于， 所述部位标记包括： 内管壁标记， 和/或焊缝 标记， 和/或特殊部件标记。 3.根据权利要求2所述漏磁内检测方法， 其特 征在于， 所述部位分析 结果包括： 内管壁正常或异常， 和/或， 焊缝正常或异常， 和/或， 特殊部件正常或异常。 4.根据权利要求2所述漏磁内检测方法， 其特征在于， 所述特殊部件标记包括法兰标 记、 和/或弯管 标记、 和/或通口标记、 和/或阀门标记。 5.根据权利要求1所述漏磁内检测方法， 其特 征在于， 所述漏磁曲线图像上的每条曲线为所述漏磁内检测器的一个检测通道的所有所述漏 磁内检测信号的描点连线结果。 6.根据权利要求1至5任一项所述漏磁内检测方法， 其特征在于， YOLO模型具体为 YOLOv5模型。 7.根据权利要求6所述漏磁内检测方法， 其特征在于， 所述注意力模型具体为CBAM模 型。 8.一种管道的漏磁内检测系统， 其特 征在于， 包括： 获取模块， 用于获取漏磁内检测器通过目标 管道后得到的漏磁内检测信号； 图像模块， 用于根据所有所述漏磁内检测信号 生成漏磁曲线图像； 分析模块， 用于将所述漏磁曲线图像输入图像识别模型， 以使所述图像识别模型输出 对应所述漏磁曲线图像的部位分析 结果； 标记模块， 用于根据所述目标管道的部位参数， 在所述漏磁曲线图像上增加相应的部 位标记； 比对模块， 用于对所述目标管道的部位标记与所述部位分析结果进行比对， 得到最终 检测结果； 所述图像识别模型包括YOLO模型和注意力模型。 9.一种电子设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至7任一项所述管道的漏磁 内检 测方法的步骤。 10.一种可读存储介质， 其特征在于， 所述可读存储介质上存储有计算机程序， 所述计 算机程序被处 理器执行时实现如权利要求1至7任一项所述管道的漏磁内检测方法的步骤。权　利　要　求　书 1/1 页 2 CN 115457391 A 2一种管道的漏磁内检测方 法、 系统及相关组件 技术领域 [0001]本发明涉及管道检测领域， 特别涉及一种管道的漏磁内检测方法、 系统及相关组 件。 背景技术 [0002]由于管道的加工工艺参差不齐、 焊接工艺水平限制、 现场施工质量把控不严等问 题， 管道不仅在出厂前、 施工后需要检查， 在投入运行后更要求定期检修， 以避免管道缺陷 造成安全隐患、 导 致事故发生。 [0003]由于大部分投入运行的管道埋于地下， 外部装置如X光的方式难以对管道进行检 测， 通常使用漏磁内检测的方式对管道进行内部检测。 但是 由于环境、 设备、 人员及现场施 工的影响， 不同的管道结构、 环焊缝形貌与焊接质量差异较大， 导致 获取到的漏磁内检测信 号差异较大。 漏磁内检测信号的分析和识别， 传统由人工进行， 判断基准多依赖专家经验， 分析过程耗时较长、 准确性较低， 难以对漏磁内检测信号进行有效识别与判定 。 [0004]因此， 如何提供一种解决上述技术问题的方案是目前本领域技术人员需要解决的 问题。 发明内容 [0005]有鉴于此， 本发明的目的在于提供一种能够有效识别的管道的漏磁内检测方法、 系统及相关组件。 其具体方案如下： [0006]一种管道的漏磁内检测方法， 包括： [0007]获取漏磁内检测器通过目标 管道后得到的漏磁内检测信号； [0008]根据所有所述漏磁内检测信号 生成漏磁曲线图像； [0009]将所述漏磁曲线图像输入图像识别模型， 以使所述图像识别模型输出对应所述漏 磁曲线图像的部位分析 结果； [0010]根据所述目标 管道的部位 参数， 在所述漏磁曲线图像上增 加相应的部位标记； [0011]对所述目标 管道的部位标记与所述部位分析 结果进行比对， 得到最终检测结果； [0012]所述图像识别模型包括YOLO模型和注意力模型。 [0013]优选的， 所述部位标记包括： [0014]内管壁标记， 和/或焊缝 标记， 和/或特殊部件标记。 [0015]优选的， 所述部位分析 结果包括： [0016]内管壁正常或异常， 和/或， 焊缝正常或异常， 和/或， 特殊部件正常或异常。 [0017]优选的， 所述特殊部件标记包括法兰标记、 和/或弯管标记、 和/或通口标记、 和/或 阀门标记。 [0018]优选的， 所述漏磁曲线图像上的每条曲线为所述漏磁内检测器的一个检测通道的 所有所述漏磁内检测信号的描点连线结果。 [0019]优选的， YOLO模型 具体为YOLOv5模型。说　明　书 1/11 页 3 CN 115457391 A 3