# Pipeline_Flaw_Detection

**Repository Path**: wzycool/pipeline_flaw_detection

## Basic Information

- **Project Name**: Pipeline_Flaw_Detection
- **Description**: pipeline flaw detection
- **Primary Language**: Unknown
- **License**: AFL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2023-09-01
- **Last Updated**: 2023-09-01

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于机器视觉的管道检测系统

## 设计概述

### 设计目的

管道被广泛用于运输天然气、石油和水等易于流动的物质，在其长期连续使用的过程中，伴随着管壁材料腐蚀与老化现象的出现，管道泄漏现象时有发生，造成环境的严重破坏和生命财产的巨大损失。为了更加科学而全面地评估管道的状况，许多检测技术被提出并应运于管道的缺陷检测中。但管道内部状况极为复杂，且检测技术受到管材、技术要求、时间成本和劳动力成本的限制，这使得管道的检测并不是一项容易的工作。为了更高效地进行管道检测，本系统结合计算机视觉和深度学习等图像处理技术，流媒体网络技术及自动化技术实现管道检测智能化。

### 应用领域

基于Pegasus&Taurus开发板，采用计算机视觉和深度学习算法，实现对管道的智能化检测，支持智能车、无人机等搭载高清摄像头或红外热成像仪等设备，对天然气长输管道、输油管道、排水管道等大型管道进行巡检，自动识别管道的裂缝情况，通过网络将数据上传到云端，可在网页端查看巡检过程的实时图像信息、检测情况以及检测设备运行情况，标记管道问题位置并预警。

### 作品创新点
**更高效的缺陷检测**：采用YOLOv5算法模型实现管道缺陷检测，模型更轻量化，仅8M大小，准确率也较高，MAP值为93.27%，且对小目标的检测优于其他YOLO系列，使检测效率大大提高。

**更快速的视频直播**：通过抽帧的方式，使得从VI到MIPI，图像帧率达到64FPS；通过移植FFMPEG，采用AVBR编码码率控制方式，基于RTMP协议实现流媒体直播，将视频直播延迟控制在1s以内。

**更有效的远程监控**：通过Web端，可实现智能车控制，实时查询管道检测情况，标注管道缺陷相对位置，大大降低人力成本。


更详情见报告PDF



## 文件结构

└── code

        └── Taurus

                └──ffmpeg

                └──main

                └──model


        └──Pegasus

                └── inc

                └── src

        └──Web

                └── 代码