Real-Time Monitoring System for Petroleum Pipeline Welding Based on Spatial Perception and Improved RLG-YOLO12

Ge Genbo; Wu Chenchen; Wu Rentao; Cheng Rouxin

doi:10.12473/CPM.202601004

您当前的位置：

首页 >

文章列表页 >

Real-Time Monitoring System for Petroleum Pipeline Welding Based on Spatial Perception and Improved RLG-YOLO12

OIL COUNTRY TUBULAR GOODS | 更新时间：2026-10-15

- Real-Time Monitoring System for Petroleum Pipeline Welding Based on Spatial Perception and Improved RLG-YOLO12
- China Petroleum Machinery Vol. 54, Issue 9, Pages: 145-154(2026)
- 作者机构：
  
  上海科创职业技术学院智能制造学院
- 作者简介：
- 基金信息：
- DOI：10.12473/CPM.202601004
  CLC： TE973/TP391
- Received：03 January 2026，
  
  Revised：2026-04-08，
  
  Accepted：17 May 2026，
  
  Published：25 September 2026
- 稿件说明：
移动端阅览
葛根波，吴陈陈，吴任涛，等.基于空间感知与改进RLG-YOLO12的石油管道焊接实时监测系统［J］.石油机械，2026，54（9）：145-154.

Ge Genbo，Wu Chenchen，Wu Rentao，et al.Real-time monitoring system for petroleum pipeline welding based on spatial perception and improved RLG-YOLO12［J］.China Petroleum Machinery，2026，54（9）：145-154.
葛根波，吴陈陈，吴任涛，等.基于空间感知与改进RLG-YOLO12的石油管道焊接实时监测系统［J］.石油机械，2026，54（9）：145-154. DOI： 10.12473/CPM.202601004.

Ge Genbo，Wu Chenchen，Wu Rentao，et al.Real-time monitoring system for petroleum pipeline welding based on spatial perception and improved RLG-YOLO12［J］.China Petroleum Machinery，2026，54（9）：145-154. DOI： 10.12473/CPM.202601004.

摘要

石油管道的焊接质量直接决定管道运行安全性与使用寿命。针对焊接质量评判中存在的缺陷形态多样、尺度微小且易受现场光照变化与弧光干扰的问题，提出一种基于空间感知与改进RLG-YOLO12的石油管道焊接实时监测系统。在模型算法上融合RGB图像和深度图像构建RGB-D多模态数据，增强对焊缝三维形貌与表面缺陷的空间感知能力；引入LAE轻量级自适应注意力机制，强化模型在特征提取过程中细节信息的保留与融合，提升对微小及深层缺陷的检测精度；采用Ghost Module替代传统卷积结构，显著降低计算复杂度并提升推理速度；在硬件设备上集成多传感器进行数据分析，实现焊接过程的多维监控，预防出现对焊接不利的环境因素。同时，为创造石油管道的实时焊接场景，设计对应该系统功能的硬件设备，以供获取到焊接过程中的实时焊缝数据。试验结果表明：模型在自建数据集上的

mAP@50

为93.2%（提升了5.07%），

mAP@50∶95

为76.8%（提升了4.92%），计算量为16.6 GFLOPs（降低了22.43%）。在平台实际测试中，系统对500个石油管道样本的检测准确率达98.4%，对严重缺陷可在100 ms内实现急停响应，验证了其在复杂工业场景下的稳定性与实用价值，体现了良好的工程实用性。研究结果可为焊接质量实时监测及工艺优化提供有效的智能化解决方案。

Abstract

Welding quality directly determines operational safety and service life of petroleum pipelines. Welding quality evaluation is challenged by diverse morphologies and small scales of defects， and also susceptible to interferences from on-site illumination changes and arc light. This paper presents a

real-time monitoring system for petroleum pipeline welding based on spatial perception and improved RLG-YOLO12. In terms of the model algorithm， RGB images and depth images are fused to construct RGB-D multimodal data to enhance the spatial perception ability for the three-dimensional weld morphology and surface defects； the LAE lightweight adaptive attention mechanism is introduced to strengthen the retention and fusion of detailed information during feature extraction and improve the detection accuracy of tiny and deep defects； and the Ghost Module is used to replace the traditional convolution architecture， thereby significantly reducing the computational complexity and improving the inference speed. In terms of hardware， multiple sensors are integrated for data analysis to realize multi-dimensional monitoring of the welding process and prevent environmental factors unfavorable to welding. Meanwhile， to create a real-time welding scenario for petroleum pipelines， hardware equipment corresponding to the system functions was designed to acquire real-time weld data during welding. The test results show that， on the self-built dataset， the model yields the

mAP@50

of 93.2% （an increase of 5.07%）， the

mAP@50∶95

of 76.8% （an increase of 4.92%）， and the computational cost of 16.6 GFLOPs （a decrease of 22.43%）. In the actual platform test， the system achieves an accuracy up to 98.4% in the detection on 500 petroleum pipeline samples， and realizes an emergency stop response to serious defects within 100 ms， verifying its stability and practicability in complex industrial scenarios and demonstrating a promising engineering prospect. The research provides an effective intelligent solution for real-time monitoring of welding quality and process optimization.

关键词

Keywords

references

辛佳兴，陈金忠，李晓龙，等．油气管道内检测技术研究前沿进展［J］．石油机械， 2022 ， 50 （ 5 ）： 119 - 126 ．

Xin Jiaxing ， Chen Jinzhong ， Li Xiaolong ， et al . Advances in oil and gas pipeline internal inspection technology ［J］. China Petroleum Machinery ， 2022 ， 50 （ 5 ）： 119 - 126 .

彭鹤，赵槿琪，张仕民．基于薄板样条插值的管道三维成像技术研究［J］．石油机械， 2026 ， 54 （ 2 ）： 144 - 151 ．

Peng He ， Zhao Jinqi ， Zhang Shimin . 3D imaging of pipelines based on thin plate spline ［J］. China Petroleum Machinery ， 2026 ， 54 （ 2 ）： 144 - 151 .

陈潇，辛佳兴，苏政达，等．油气管道非饱和磁化应力检测技术研究［J］．石油机械， 2024 ， 52 （ 7 ）： 137 - 144 ．

Chen Xiao ， Xin Jiaxing ， Su Zhengda ， et al . Unsaturated magnetization stress detection technology for oil and gas pipelines ［J］. China Petroleum Machinery ， 2024 ， 52 （ 7 ）： 137 - 144 .

李进付．基于双目视觉的吊卡识别及其方位检测方法［J］．石油机械， 2024 ， 52 （ 4 ）： 11 - 17 ．

Li Jinfu . Elevator recognition and orientation detection method based on binocular vision ［J］. China Petroleum Machinery ， 2024 ， 52 （ 4 ）： 11 - 17 .

蔡翔，康宜华，程阳阳．基于机器视觉的钢管高速表检方法与系统［J］．石油机械， 2022 ， 50 （ 7 ）： 143 - 150 ．

Cai Xiang ， Kang Yihua ， Cheng Yangyang . High speed surface detection method and system for steel pipes based on machine vision ［J］. China Petroleum Machinery ， 2022 ， 50 （ 7 ）： 143 - 150 .

杨绚渊，王宜怀．基于MoblieNetV2的焊接件外观缺陷检测研究［J］．传感技术学报， 2025 ， 38 （ 9 ）： 1575 - 1586 ．

Yang Xuanyuan ， Wang Yihuai . Research on appearance defect detection of welded assembly based on MoblieNetV2 network ［J］. Chinese Journal of Sensors and Actuators ， 2025 ， 38 （ 9 ）： 1575 - 1586 .

马炜鑫，谢冠明，林杰凯，等．基于机器视觉的激光焊接气孔缺陷智能检测方法［J］．激光与光电子学进展， 2026 ， 63 （ 1 ）： 426 - 435 ．

Ma Weixin ， Xie Guanming ， Lin Jiekai ， et al . Intelligent detection method for porosity defects in laser welding based on machine vision ［J］. Laser & Optoelectronics Progress ， 2026 ， 63 （ 1 ）： 426 - 435 .

唐威，石艳，李淇，等．基于机器视觉和卷积神经网络的钢材焊接缺陷检测方法研究［J］．热加工工艺， 2025 ， 54 （ 13 ）： 41 - 47 ．

Tang Wei ， Shi Yan ， Li Qi ， et al . Study on detection method of welding defects in steel based on machine vision and convolutional neural network ［J］. Hot Working Technology ， 2025 ， 54 （ 13 ）： 41 - 47 .

马瑞，贺德强，贺岁球，等．基于改进YOLOX的地铁列车焊接质量检测［J］．铁道科学与工程学报， 2023 ， 20 （ 10 ）： 3998 - 4007 ．

Ma Rui ， He Deqiang ， He Suiqiu ， et al . Welding quality detection of metro train based on improved YOLOX ［J］. Journal of Railway Science and Engineering ， 2023 ， 20 （ 10 ）： 3998 - 4007 .

沈雯静，张政超，许康伟．基于改进YOLOv5的焊接件表面缺陷检测［J］．组合机床与自动化加工技术， 2024 ，（ 3 ）： 124 - 128 ．

Shen Wenjing ， Zhang Zhengchao ， Xu Kangwei . Surface defect detection of weldment based on improved YOLOv5 ［J］. Modular Machine Tool & Automatic Manufacturing Technique ， 2024 ，（ 3 ）： 124 - 128 .

Tian Yunjie ， Ye Qixiang ， Doermann D S . Yolov12： attention-centric real-time object detectors ［PP/OL］. arXiv （ 2025-02-18 ）［ 2025-04-05 ］. https：∥arxiv.org/abs/2502.12524 https://arxiv.org/abs/2502.12524 .

Arcano-Bea P ， Zayas-Gato F ， Quintián H ， et al . Hybrid vision system for minor pre-assembly identification in a robotic welding cell ［C］∥ Hybrid Artificial Intelligent Systems ， 2026 ： 79 - 90 .

Szőlősi J ， Szekeres B J ， Magyar P ， et al . Welding defect detection with image processing on a custom small dataset： a comparative study ［J］. IET Collaborative Intelligent Manufacturing ， 2024 ， 6 （ 4 ）： e70005 .

Wang Guanqiang ， Zhang Chizhou ， Chen Mingsong ， et al . Yolo-MSAPF： multiscale alignment fusion with parallel feature filtering model for high accuracy weld defect detection ［J］. IEEE Transactions on Instrumentation and Measurement ， 2023 ， 72 ： 1 - 14 .

杨曜灿，陆宇，高辉．基于改进YOLOv8的窄间隙焊接焊缝缺陷图像检测［J］．科学技术与工程， 2025 ， 25 （ 33 ）： 14346 - 14353 ．

Yang Yaocan ， Lu Yu ， Gao Hui . Image detection of welding seam defects in narrow-gap welding based on improved YOLOv8 ［J］. Science Technology and Engineering ， 2025 ， 25 （ 33 ）： 14346 - 14353 .

简艳英，刘婷婷，倪中华． 3D视觉与改进YOLOv11的焊接缺陷检测［J］．机械设计与制造， 2026 ，（ 6 ）： 266 - 273 ．

Jian Yanying ， Liu Tingting ， Ni Zhonghua . Welding defect detection with 3D vision and improved YOLOvl1 ［J］. Machinery Design & Manufacture ， 2026 ，（ 6 ）： 266 - 273 .

Yu Zhongwen ， Guan Qiu ， Yang Jianmin ， et al . LSM-YOLO： a compact and effective ROI detector for medical detection ［C］∥ Neural Information Processing ， 2025 ： 30 - 44 .

Zhang Zhicong ， Pan Feng . LCE-YOLO： a lightweight detection model for aerial images ［C］∥ 2025 10th International Conference on Automation， Control and Robotics Engineering （CACRE）， 2025 ： 177 - 181 .

Han Kai ， Wang Yunhe ， Tian Qi ， et al . GhostNet： more features from cheap operations ［C］∥ 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， 2020 ： 1577 - 1586 .

崔家礼，刘永基，李子贺，等．轻量且高精度增强的姿态检测网络HG-YOLO ［J］．计算机应用， 2025 ， 45 （ 12 ）： 4004 - 4011 ．

Cui Jiali ， Liu Yongji ， Li Zihe ， et al . HG-YOLO： lightweight and high-precision enhancement pose detection network ［J］. Journal of Computer Applications ， 2025 ， 45 （ 12 ）： 4004 - 4011 .

过鑫炎．基于轻量型卷积神经网络的车辆检测方法研究［D］．南京：南京信息工程大学， 2025 ．

Guo Xinyan . Research on vehicle detection method based on lightweight convolutional neural network ［D］. Nanjing ： Nanjing University of Information Science & Technology ， 2025 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Application of Wireline Intelligent Separate-layer Water Injection Technology in Huabei Oilfield

Field Application of Permanent Fiber Monitoring for Ultra-deep High Temperature Oil and Gas Well

Research on Separate Layer Polymer Injection Technology with Electrohydraulic Joint Control Single-Pipe in Offshore Oilfield

Real-time Monitoring and Early Warning for Structure Bearing Safety of Ocean Drilling and Workover Rig Derrick

New Testing Technology for Single-pipe Layered Polymer Injection in Offshore Oilfield Polymer Injection Well

Related Author

Xu Zhiyuan

Su Yi

Ji Boqing

Luo Honglin

Lin Chunqing

Han Xinde

Zhang Xu

Meng Xiangjuan

Related Institution

Engineering Technology Research Institute of PetroChina Huabei Oilfield Company

Oil and Gas Engineering Research Institute of PetroChina Tarim Oilfield Company

Petroleum Engineering Research Institute of Sinopec Shengli Oilfield Company

湛江南海西部石油勘察设计有限公司

中国石油大学华东海洋油气装备与安全技术研究中心

AI问答

⁰