基于图像处理和机器学习的PE管道缺陷检测

打开文本图片集

摘  要： 对于聚乙烯（PE）管道，在运行中经常有不同程度的泄漏等异常，通过对管道中不同异常的实验模拟，收集数据并手动标记相应的数据集。为了提高管道缺陷图像的质量，首先采用加权平均法对图像进行灰度处理；然后，利用伽马变换改进管道背景与缺陷的对比度；最后，使用双重过滤来降低图像中的噪声。为了降低数据的复杂度，提高模型训练速度，采用改进的Sobel算法对管道缺陷图像进行边缘检测，采用自适应阈值分割算法分割缺陷图像的边缘，生成二值图像，用二值图像训练模型，减少了模型对颜色特征的依赖，加快了模型的收敛速度。（剩余10596字）