A Semi-Analytical Surrogate and Two-Stage Deep Learning Framework for Defect Detection and Sizing in Above-Ground Inspection of Buried Pipelines
本論文は、地上からの電磁気探査データを用いて埋設パイプライン内の金属欠損欠陥を効果的に検出し、そのサイズを推定する二段階のディープラーニング・フレームワークを学習させるための大規模なデータセットを生成する、半解析的なサロゲートモデルを提示しており、微弱で混在した信号という課題があるにもかかわらず、高い精度と相関を実現している。