任伟建, 宋 月, 陈建玲, 任 璐, 孙勤江

(1. 东北石油大学 a. 电气信息工程学院； b. 黑龙江省网络化与智能控制重点实验室, 黑龙江 大庆 163318；2. 中海石油(中国)有限公司天津分公司 渤海研究院, 天津 300452；3. 海洋石油工程股份有限公司 设计公司, 天津 300450； 4. 中海石油(中国)有限公司 天津分公司, 天津 300452)

0 引 言

石油管线作为油田物资中的一个重要组成部分, 随着油气田开发建设、生产规模不断扩大, 物资管理任务进一步加重, 管线管理的要求也进一步提高。虽然目前已经有仓储管理信息系统, 但针对管线身份识别大多还是通过人眼识别的方式。人眼识别在一定程度上被认为是最可靠的方式, 但该方式无法避免地存在人为抄写错误以及工作量巨大等缺点。近年来, 学者们提出了运用神经网络进行钢号识别的方法。王静钢[1]首先提取了钢号图像的网格特征、 交叉点特征等特征矢量, 然后输入3层BP神经网络进行识别。这类识别方法是先用一个手工设计的特征提取器提取输入数据中相关的有用信息得到一组特征向量, 再利用一个可训练的分类器, 如神经网络等对这些特征向量进行分类识别[2]。该方法相对人工抄写的方式一定程度上解放了人力, 但提取到的特征向量很大程度上决定了识别效果, 并且手工设计图像特征不仅费时而且效率不高。

随着计算机的发展, 基于深度学习的模式识别已成为机器视觉和人工智能领域中研究的热点, 被广泛应用于工业、 医学等诸多领域中[3]。……