摘要
本发明公开一种基于深度学习的金属管道内壁缺陷检测方法，应用于工业金属管道缺陷检测领域，针对传统金属管道缺陷检测的效率低、非自动化等问题；本发明首先对拍摄金属管道的相机进行标定，确定图片中每像素的实际距离；然后采集金属管道内壁图片进行前处理和数据集标注；其次设计了基于Swin‑Transformer特征提取网络且改进的U‑Net++模型(Swin‑UNet++)，引入了SE注意力机制和Lovász损失函数，并采用标注好的数据集进行模型训练；最后基于训练完成的Swin‑UNet++进行金属管道内壁缺陷的检测与尺寸测量。
