ICS35.240 CCS L67 0B65 新疆维吾尔自治区地方标准 DB65/T 4975—2025 管道数字射线图像自动识别系统 通用技术规范 General technical specification for digital ray pipeline image automatic recognition system 2025-11-25发布 2026-01－25实施 新疆维吾尔自治区市场监督管理局 发布 DB65/T4975—2025 目 次 前言 II 范围 2规范性引用文件 3术语和定义 4图像识别技术要求 5数字射线图像自动识别系统 6实施步骤 7 测试及性能要求 8结果评价 附录A（规范性） 数据标注 .9 附录B（资料性） 管道数字射线图像缺陷样例， 附录C（规范性） 人工智能模型训练实验的最低硬件配置、软件配置和数据预处理要求， ..15 附录D（资料性） 测试数据记录 附录E（规范性） 测试报告的记录与存储 DB65/T4975—2025 前言 本文件按照GB/T1.1一2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定 起草。 本文件由新疆维吾尔自治区市场监督管理局提出、归口并组织实施。 本文件主要起草单位：新疆维吾尔自治区质量基础发展研究院、招商新疆特种设备检验技术研究 院有限公司、北京工业大学、上海建桥学院、新疆生产建设兵团质量技术评价中心、阿克苏地区 特种设备检验检测所、阿勒泰地区特种设备检验检测所、中国特种设备检测研究院、宁波市特种设 备检验研究院、广东省特种设备检测研究院、石河子特种设备检验检测所。 本文件主要起草人：时亚南、范效礼、李强、张婷、刘兆英、王丰超、陈迎春、毛民·阿斯哈尔、 陈飞、罗杰、仲芳、张荣国、张文华、阿丽娜·赛热克江、高鹏、王昕、张小垒、吴刚、吴婷婷、王远、 周云亦、王晓岚、张玉媛、沈、张高平、魏治杰、张蕾、刘瑞瑞、安波、杨蕊。 本文件实施应用中的疑问，请咨询新疆维吾尔自治区质量基础发展研究院。 对本文件的修改意见建议，请反馈至新疆维吾尔自治区市场监督管理局（乌鲁木齐市新华南路167 号）、新疆维吾尔自治区质量基础发展研究院（乌鲁木齐市高新区河北东路188号）。 新疆维吾尔自治区市场监督管理局联系电话：0991-2818750；传真：0991-2311250；邮编：830004； 新疆维吾尔自治区质量基础发展研究院联系电话：0991-2846761；传真：0991-2817472；邮编： 830011 II DB65/T4975—2025 管道数字射线图像自动识别系统 通用技术规范 1范围 本文件规定了管道焊接缺陷数字射线图像自动识别应用中数字射线图像的预处理、特征提取、特征 描述、识别等技术要求。 本文件适用于工业管道、长输油气管道、城镇燃气管道及在役管道等环焊缝数字射线（DR）图像智 能识别。胶片扫描图像缺陷智能识别可参照本文件执行。 本文件不适用于计算机断层扫描（CT）等其他成像方式的图像缺陷识别。 2规范性引用文件 本文件没有规范性引用文件。 3术语和定义 GB/T12604界定的以及下列术语和定义适用于本文件。 3.1 灰度gray scale 一种对黑白图像明暗程度的定量描述方法。 注：由模/数转换器（A/D）的位数来决定。A/D转换器的位数越高，灰度位数越高。 3. 2 图像质量imagequality 图像在清晰度、色彩还原、噪声水平、对比度等方面满足特定要求的程度。 3. 3 图像处理imageprocessing 用计算机对图像进行分析，以达到所需结果的技术。 3.4 像素pixel 组成数字图像的最小单元。 3.5 数据标注dataannotation 对图像等待标注数据进行归类、整理、编辑和标记等操作，为待标注数据增加标签，生成满足人工 智能训练要求的机器可读数据编码。 3.6 标签label 标识数据的特征、类别和属性等，用于建立数据及人工智能训练要求所定义的机器可读数据编码间 的联系。 DB65/T 4975—-2025 3.7 标注任务 annotation task 按照数据标注规范对指定数据集进行标注的过程。 3. 8 标注工具 annotation tool 数据标注人员完成标注任务产生标注结果时所需的工具和软件。 注：标注工具可生成标签并提供参考模板。 3. 9 半自动标注semi-automaticannotation 使用人工结合自动化工具的方式进行数据标注。 3.10 训练 training 对于给定的数据集，生成和优化深度学习模型参数设置的过程。 3.11 验证 validation 对于给定的数据集，采用训练后的模型进行预测，由此进行选择并优化训练模型结构和超参数的过 程。 3.12 测试testing 对于给定的数据集，采用训练后的深度学习模型进行预测，由此评估训练模型性能的过程。 3.13 边界框bounding box 经过特征模型分析后，在图像中框出认为是缺陷的区域。 3.14 置信度confidence 识别图像中的缺陷时返回的该边界框内区域是缺陷的概率数值。 3.15 平均精度均值 mean average precision 模型对于多个类别的平均精确度。 3.16 参数量parameters 随着训练可以不断进行自我调节大小的参数的数量。 注：单位通常为Mi1lion，简称为M。 3.17 计算量 computation 运行一次模型需要的浮点运算的次数。 注：单位通常为Floating Point Operations，简称为FLOPs。 4 图像识别技术要求 4.1图像格式 2 DB65/T4975—2025 图像格式应为BMP、JPEG、JPEG2000和PNG中的任一种。若图像为灰度图时，图像灰度级应为256 级。 4.2亮度和对比度 图像亮度均匀，其像素值在128±20之间，对比度可以调整到使得缺陷区域与正常区域的灰度级差 异在30～50之间，无过曝光和无欠曝光。 4.3管道区域 缺陷区域完整，轮廓清晰，应无编辑修改性处理，几何失真应≤5%，高斯模糊应≤0.24。 4.4黑度要求 为确保底片图像质量，黑度值范围应满足以下要求： a）黑度值应在2.0～4.0范围内； 在管道数字射线图像数据库建设时，所有采集的底片图像应经过黑度测试，黑度值应符合规 定范围的要求，否则视为不合格底片图像，不应作为标准样本使用。 5数字射线图像自动识别系统 5.1 系统逻辑架构 图1给出了管道数字射线缺陷识别系统的逻辑架构图。 管道数字射线图像数据库 训练集 验证集 测试集 生成模型 优化参数 评估性能 特征模型 预处理 输入待测图像 分析识别 输出结果 图1逻辑架构图 5.2管道数字射线图像数据库的建立 用于特征模型构建的数据集的建立应符合如下要求： 建立数据集所使用的管道射线数字图像可来自于实验室仪器平台以及其他来源（如外部数据 库等)； 每张原始图片包含的缺陷数量应不少于1个； 3