典型文献
深度学习技术在海底管道巡检中的研究与应用
文献摘要：
海底管道运输是海上油气生产系统的主动脉,自然腐蚀与磨损造成的管线泄露是海底运输面临的重大问题.该文通过深度学习技术,识别ROV采集的海底管道图像中存在的特征事件和异常事件.特征事件包括海管节点、阳极、沙袋、支撑以及抛石等,异常事件包括管道悬空、杂物等.多次水下试验表明,该技术识别平均精度达到了92％,成功辅助人工高效完成海底管线的定期巡检,可为类似场景作业提供参考.
文献关键词：
海底管道;ROV;管道巡检;深度学习
中图分类号：
作者姓名：
宋哲旭;徐志毅;曾晋;李学成;陈开润;李小斌
作者机构：
中海石油(中国)有限公司深圳分公司,广东 深圳518000;中海辉固地学服务(深圳)有限公司,广东 深圳518000;重庆米弘科技有限公司,重庆400000
文献出处：
引用格式：
[1]宋哲旭;徐志毅;曾晋;李学成;陈开润;李小斌-.深度学习技术在海底管道巡检中的研究与应用)[J].中国新技术新产品,2022(22):100-103
A类：
B类：
深度学习技术,海底管道,管道巡检,管道运输,海上油气,油气生产系统,主动脉,自然腐蚀,重大问题,ROV,异常事件,海管,阳极,沙袋,抛石,管道悬空,杂物,水下试验,技术识别,助人,海底管线,定期巡检
AB值：
0.422071
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
