A Semi-Analytical Surrogate and Two-Stage Deep Learning Framework for Defect Detection and Sizing in Above-Ground Inspection of Buried Pipelines
Questo articolo presenta un modello surrogato semi-analitico per generare un dataset su larga scala per l'addestramento di un framework di deep learning a due stadi che rileva e dimensiona efficacemente i difetti di perdita di metallo in condotte interrate utilizzando dati di ispezione elettromagnetica fuori terra, ottenendo un'elevata accuratezza e correlazione nonostante le sfide poste dai segnali deboli e confondenti.