Подход на основе глубокого обучения для обнаружения питтинговой коррозии в газопроводах

В статье представлена методика компьютерного зрения для обнаружения питтинговой коррозии в газопроводах. Для этого был сформирован набор данных, включающий 576 000 изображений газопроводов с питтинговой коррозией и без нее. Для бинарной классификации, различающей корродированные и некорродированные изображения, была использована специально разработанная и оптимизированная сверточная нейронная сеть (CNN). Несмотря на относительно небольшое число параметров по сравнению с существующими классификаторами на основе CNN, данная архитектура CNN достигла высокой точности классификации — 98,44%. Предложенная CNN продемонстрировала более высокую эффективность по сравнению со многими современными классификаторами. Использование глубокого обучения позволяет практически отказаться от ручного обследования газопроводов на наличие питтинговой коррозии, тем самым оптимизируя ранее трудоемкий и экономически неэффективный процесс.