P-DETR: A transformer-based algorithm for pipeline structure detection

Ibrahim Akinjobi Aromoye

doi:10.1016/j.rineng.2025.104652

2025-06-01

Ibrahim Akinjobi Aromoye *

Lo Hai Hiung

Patrick Sébastian

DOI：10.1016/j.rineng.2025.104652

原文链接

查看原文

摘要

En 中文

管道是油气运输的关键基础设施，但其易受极端天气条件导致的缺陷影响，如裂纹、接头失效和腐蚀。这些缺陷可能引发油气泄漏，进而造成环境和经济损失。因此，定期进行管道检测是必要的。尽管行业日益依赖无人机进行管道检测，但检测仍由无人机操作员手动完成或通过离线分析无人机录制的视频进行。本文提出采用管道检测转换器（Pipe Detection Transformer, P-DETR），这是一种专为管道检测设计的新型基于转换器（transformer）的模型，并可与无人机或空中机器人集成以实现自主管道检测。P-DETR对原始检测转换器（DETR）框架进行了显著改进，以提升检测性能，尤其针对小型管道——这是基准DETR的关键局限性。其主要贡献在于特征归一化与转换（Feature Normalization and Transformation, FNT）模块，该模块融合卷积骨干网络的多个层级，以在转换器模块处理前提供小型特征的聚焦表示。实验结果验证了P-DETR的优越性，其整体平均精度（mAP）达到55%，较DETR提升3个百分点，且小型管道检测的精确度显著提高8.6个百分点（从1.9提升至10.5）。此外，中型和大管道的精确度分别提升10.8个百分点（从10.8提升至21.6）和2.2个百分点（从64.4提升至66.6），同时整体召回率达到73.9%，较DETR提升4个百分点。大量实验结果表明，所提出的P-DETR模型在性能上优于原始DETR、UP-DETR、R-DETR、Skip-DETR以及其他标准目标检测模型，包括YOLOv3和SSD。

Keyword:

DETR

Transformers

Pipe detection

Pipelines

Deep learning

Machine learning

Oil and gas