इम्प्रूव्ड YOLOv11 पर आधारित पाइपलाइन दोष पता लगाना

地下 उपयोगिताओं के सुरंगों में लंबे समय तक उपयोग के बाद संक्षारण, दरारें और रिसाव होते हैं, जो शहरी सुरक्षा को खतरे में डालते हैं। पारंपरिक तरीकों में विषयवाद अधिक होता है, मिस रेट्स अधिक होते हैं, और वास्तविक-समय प्रदर्शन खराब होता है, जो परिष्कृत प्रबंधन आवश्यकताओं को पूरा नहीं करते। यह पेपर YOLOv10 के बजाय ध्यान-संवर्धित YOLOv11 प्रस्तावित करता है क्योंकि इसका C3k2 बैकबोन और डायनामिक एंकर हेड उपयोगिता सुरंगों में पाइपलाइन दोष पहचान के लिए YOLOv10 से 1.8% mAP द्वारा बेहतर है। यह कम-लाइट छवि गुणवत्ता सुधारने के लिए होमोमॉर्फिक फ़िल्टरिंग का उपयोग करता है; मूल YOLOv11 के अंतिम दो C3k2 मॉड्यूल को माइक्रो-दरारों को पकड़ने के लिए Muli-Scale Feature Aggregation Module से बदलता है; गर्दन में एक द्विदिशित भारित फीचर पिरामिड नेटवर्क (C2PSA/BRA ध्यान के साथ) प्रस्तुत करता है जो क्रॉस-स्केल फीचर संयोजन और पृष्ठभूमि दमन करता है, जिससे सूक्ष्म दरारों के प्रति संवेदनशीलता और वैश्विक गलत लक्ष्य दमन दोनों होते हैं; और दोष ठिकाने लगाने की त्रुटियों को कम करने के लिए detection head में DIoU loss को अपनाता है। 5000 उपयोगिता सुरंग दोष छवियों पर परीक्षणों से पता चलता है कि सुधारित एल्गोरिथ्म 93.2% शुद्धता, 92.4% पुनः प्राप्ति और 92.6% mAP प्राप्त करता है - जो मूल YOLOv11, Faster R-CNN, और YOLOv5 से बेहतर है। एब्लेशन परीक्षण मॉड्यूल प्रभावकारिता की पुष्टि करते हैं, जो आधार रेखा की तुलना में सापेक्ष त्रुटि को 75% तक घटाते हैं। यह एल्गोरिथ्म जटिल उपयोगिता सुरंग वातावरणों में विभिन्न प्रकार के दोषों की सटीक पहचान कर सकता है, जो शहरी बुनियादी ढांचे के सुरक्षित और कुशल संचालन एवं रखरखाव के लिए तकनीकी समर्थन प्रदान करता है।