Page 103 - 无损检测2025年第三期

彭云超，等：

基于 YOLOv5 的管道环焊缝缺陷目标检测算法分析

表3 改进后图像性能指标 %
模型 m AP@0.5 精确率 召回率 m AP@0.5∶0.95
对比图改进 71.28 92.89 69.75 30.06
伪彩图改进 68.11 84.91 72.36 30.73
伪彩增强图改进 68.82 85.81 73.09 31.04
三种图像改进后均值 69.40 87.87 71.73 30.61
三种图像改进前均值 71.37 88.51 72.22 29.96
改进前后性能差异 －2.76 －0.72 －0.67 2.17

表4 管道环焊缝缺陷识别准确率
模型 测试总量 未检出量 误检出量 少检出量 检出量 识别率/%
对比图 172 36 11 4 121 70.35
伪彩图 172 43 10 10 109 63.37
伪彩增强图 172 43 7 4 118 68.60
图像数据混合增强 172 58 5 2 107 62.21
对比图改进 172 27 4 4 140 81.40
伪彩图改进 172 37 10 8 117 68.02
伪彩增强图改进 172 33 10 6 123 71.51

一致，并未出现三种图检测结果不一致的情况；有 通过使用该自动识别算法，可以实现对管道环
107组图片成功识别准确到缺陷。 焊缝缺陷漏磁内检测数据的批量处理和自动识别，
由表4可知，模型在改进后，缺陷的识别准确率 大大减少数据判读人员的工作量、提高工作效率，降
有了显著提升，尤其对于对比图而言，相较于原始 低人工判读的主观性和人员水平差异带来的漏判、
的对比图模型，对比图改进模型识别准确率提高了 误判等不利影响；同时，该方法可随着获取环焊缝
11. 05%，其他图像也有一定的提升。对于图片数据 缺陷漏磁内检测异常信号样本量的增加进行持续改
增强模型而言，相较于单一的图像检测模型，识别率 进，不断地提升缺陷信号识别的准确性和可靠性。
虽不显著提升，但增强模型的相关性能指标均有非
参考文献：
常明显的上升，说明模型的波动有了显著降低，同时
模型的稳定性有了显著增强。 [1] 宋艾玲，梁光川，王文耀. 世界油气管道现状与发展趋
势[J]. 油气储运，2006，25（10）：1-6．
4 结论 [2] 郭绍忠，朱荣军，刘辉，等. 针对油气管道运输泄露检

文章基于漏磁检测技术以及YOLOv5 基本原 测技术的研究[J]. 化工管理，2017（22）：86.
[3] 高鹏. 2021年中国油气管道建设新进展[J]. 国际石油
理，采用PyTorch框架， 利用YOLOv5算法对管道环
经济，2022，30（3）：12-19．
焊缝漏磁信号缺陷图像进行了自动识别，并对算法
[4] HAN Z Y，WENG W G．An integrated quantitative
进行了部分改进，分析了算法改进前后的差异以及 risk analysis method for natural gas pipeline
对于识别准确率（识别率）的影响，得到以下结论。 network[J]. Journal of Loss Prevention in the Process
（1）模型在图像数据混合增强以后，各指标都 Industries，2010，23（3）：428-436．
有了显著提升， m AP@0. 5 提升了近30%，其余参数也 [5] 穆海辉. 管道施工中的质量问题、管控措施及典型案例
有了不同程度的性能提升。 分析[J]. 化学工程与装备，2020（6）：123-125.
（2）模型在增加小目标检测层改进后，模型的 [6] 王钰滔，吕延鑫，杨万里，等. 国内外输气管道事故研
究综述[J]. 化工设备与管道，2022，59（4）：78-84．
常规性能指标基本稳定，同时模型的目标检测损失
[7] 杨志军，刘玉琢，吴忠义，等. 管道外漏磁检测技术研
函数均值有了大幅度的降低，一定程度改善了图像
究[J]. 压力容器，2018，35（3）：56-62．
中缺陷的目标检测效果。
[8] 尹升. 油气管道完整性管理效能评价技术分析[J]. 全面
（3）模型在增加小目标检测层改进后，图像中 腐蚀控制，2022，36（9）：86-87．
的缺陷识别率有了显著提升，对比图提升最为显著， [9] 赵宁，程晨. 油气管道完整性管理技术的发展趋势探
达到11. 05%。 讨[J]. 科技风，2019（17）：147．
69
2025 年 第 47 卷 第 3 期
无损检测