基于环境自适应增强的油田设备检测算法

摘要

面向油田井场明暗变化复杂工况下的数字化设备仪表和生产情况准确识别难题，提出一种基于环境自适应增强的油田设备检测算法。该算法通过灵活学习调节输入生产场景实拍图像参数，动态自适应去除环境条件的影响，并采用基于卷积神经网络的参数预测模块辅助图像优化，结合目标检测模块以端到端的方式联合学习图像增强和目标检测任务。此外，设计用户友好的交互检测界面，简化用户上传图片并实现检测的过程。实验结果表明，基于暗光环境，所提算法较现有算法对于合成实验数据集平均精度均值(Mean Average Precision, mAP)提升13.48%,对于公开、真实生产场景采集数据集mAP分别提升3.95%(ExDark)和2.83%,主体目标识别准确、边界清晰，证明了其良好的检测和自适应增强效果。

关键词

端到端学习 / 场景理解 / 油气生产 / 目标检测 / 环境自适应增强

基金资助

陕西省教育厅科学研究计划项目(23JK0166)