一种燃气输送管道内表面缺陷检测方法及系统与流程

本申请涉及缺陷检测技术领域，尤其涉及一种燃气输送管道内表面缺陷检测方法及系统。

背景技术：

燃气管道在使用过程中长期受到内外介质的共同作用，管壁会出现机械裂纹、腐蚀点(坑或孔)，破坏管道本体表面完整性，可能带来管道泄漏产生的不安全隐患，造成环境污染，使管道功能逐渐“弱化”而进入事故多发期。

管道内部检测非常困难，用传统的方法进行地下管道内检是一项巨大的工程，传统检测方法有磁粉探伤检测方法，涡流检测方法等，传统检测方法效率低下，检测准确度低，无法对管道缺陷的危害程度进行评估，有些管道的缺陷较为严重，考虑其修复后使用寿命也较短，已经不适合再对其进行修复了，这种管道最好是更换掉，现有技术中无法对管道的缺陷的危害程度进行评估，不能确定哪些管道可以修复或者更换掉，造成了一定的经济损失和危险隐患。

技术实现要素：

本申请的目的在于提供一种燃气输送管道内表面缺陷检测方法及系统，该检测方法解决了现有技术中不方便检测燃气输送管道缺陷的问题，以及现有技术中检测燃气输送管道的缺陷的效率低，准确度低和无法判断燃气输送管道缺陷的危害程度的问题。

为达到上述目的，本申请提供一种燃气输送管道内表面缺陷检测方法，该方法包括：

在光照系统的辅助作用下，对燃气输送管道内表面进行图像采集，获得平面条形图像；

检测平面条形图像中的缺陷，提取缺陷图像；

根据缺陷图像计算燃气输送管道内表面缺陷的危害程度值；

根据燃气输送管道内表面缺陷的危害程度值判断该燃气输送管道需要修复或更换；若判断结果是燃气输送管道需要修复，执行缺陷修复方法，若判断结果是燃气输送管道需要更换，则对燃气输送管道进行更换。

如上的，其中，燃气输送管道的缺陷修复方法包括：

将缺陷图像输入到预先构建的缺陷类别识别模型中，判断缺陷图像的缺陷类型；

获取缺陷图像中的缺陷对应在燃气输送管道上的缺陷位置；

根据获得的缺陷类型，采用相应的缺陷修复方法对缺陷位置处的缺陷进行修复。

如上的，其中，图像采集的方法为：沿燃气输送管道的长度方向向前移动一个步长，对燃气输送管道内表面的圆周方向采集一次环形图像；将环形图像展开为平面图像；将多个环形图像展开后的平面图像无缝拼接为平面条形图像。

如上的，其中，检测平面条形图像中的缺陷，提取缺陷图像的方法包括：

对平面条形图像进行灰度处理,获得灰度图像；

对灰度处理后的平面条形图像进行滤波处理，得到滤波后的图像t(i,j)；

计算滤波后图像横向方向任意相邻两个像素点的灰度值之差,计算公式为：t1(i,j)＝|t(i,j)-t(i,j-1)|,其中，t1(i,j)表示相邻两个像素点的灰度差值；

设定灰度阈值α；将计算的灰度差值与灰度阈值进行比较，获得缺陷图像t2(i,j)；计算公式如下：

其中，缺陷图像中有缺陷的位置显示为黑色，无缺陷的位置显示为白色。

如上的，其中，计算燃气输送管道内表面缺陷的危害程度值的公式如下：

其中，s表示燃气输送管道内表面缺陷的危害程度值，l表示一节燃气输送管道的长度；n表示一节燃气输送管道出现缺陷的总数量，k表示第k个缺陷，lk表示第k个缺陷的长度,bk表示第k个缺陷的危害系数；dk(k+1)表示相邻的第k个缺陷和第k+1个缺陷之间的距离。

如上的，其中，预先设定燃气输送管道缺陷的危害程度阈值，若燃气输送管道缺陷的危害程度值大于所述危害程度阈值，则判断结果为该燃气输送管道需要更换，反之，判断结果为该燃气输送管道需要修复。

如上的，其中，预先构建缺陷类别识别模型的方法为：

将多个已知的燃气管道内表面缺陷特征图像构建成训练样本；

将训练样本输入到多层神经网络中进行训练，得到缺陷类别识别模型。

本申请还提供一种燃气输送管道内表面缺陷检测系统，该系统包括：

光照模块，用于对燃气输送管道内部进行照明；

图像采集装置，用于在光照模块的辅助作用下，对燃气输送管道内表面进行图像采集，获得平面条形图像；

运动控制器，与图像采集装置连接，用于带动图像采集装置在燃气输送管道内移动；

提取模块，用于检测平面条形图像中的缺陷，提取缺陷图像；

数据分析处理装置，用于根据缺陷图像计算燃气输送管道内表面缺陷的危害程度值；

判断模块，用于根据燃气输送管道内表面缺陷的危害程度值判断该燃气输送管道需要修复或更换；若判断结果是燃气输送管道需要修复，执行缺陷修复方法，若判断结果是燃气输送管道需要更换，则对燃气输送管道进行更换。

如上的，其中，一种燃气输送管道内表面缺陷检测系统还包括：缺陷修复模块，用于执行缺陷修复方法；

缺陷修复模块包括：

缺陷类型判断单元，用于将缺陷图像输入到预先构建的缺陷类别识别模型中，判断缺陷图像的缺陷类型；

缺陷位置获取单元，用于获取缺陷图像中的缺陷对应在燃气输送管道上的缺陷位置；

修复单元，用于根据获得的缺陷类型，采用相应的缺陷修复方法对缺陷位置处的缺陷进行修复。

如上的，其中，一种燃气输送管道内表面缺陷检测系统还包括：

行走定位装置，安装在运动控制器上，用于对运动控制器的位置进行定位。

本申请实现的有益效果如下：

(1)本申请对燃气输送管道内表面的图像进行采集，并传输到地面的数据分析处理装置对采集的图像进行分析，判断缺陷的类型和缺陷的危害程度，提高了燃气输送管道内表面缺陷检测的效率和准确度，并可根据燃气输送管道内表面缺陷的危害程度判断其适合于修复还是更换。

(2)本申请对采集的环形图像中模糊的图像进行修复，进而提高了缺陷检测的精准度。

(3)本申请预先构建了缺陷类别识别模型，用于对缺陷的类别进行判断，本申请对缺陷的位置进行判断，并根据获得的缺陷类别采用相应的修复方法对缺陷位置处进行修复。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本申请实施例的一种燃气输送管道内表面缺陷检测方法的流程图。

图2为本申请实施例的一种燃气输送管道的缺陷修复方法的流程图。

图3为本申请实施例的一种燃气输送管道内表面缺陷检测系统的结构示意图。

附图说明：10-运动控制器；20-图像采集装置；30-提取模块；40-数据分析处理装置；50-判断模块；60-光照模块；70-缺陷修复模块；71-缺陷类别判断单元；72-缺陷位置获取单元；73-修复单元；80-行走定位装置；100-燃气输送管道内表面缺陷检测系统。

具体实施方式

下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例一

如图1所示，本申请提供了一种燃气输送管道内表面缺陷检测方法，该方法包括：

步骤s1，在光照系统的辅助作用下，对燃气输送管道内表面进行图像采集，获得平面条形图像。

图像采集的方法为：沿燃气输送管道的长度方向向前移动一个步长，对燃气输送管道内表面的圆周方向采集一次环形图像；将环形图像展开为平面图像；将多个环形图像展开后无缝拼接为平面条形图像。

预先设定合适步长，保证对燃气输送管道内表面无遗漏的进行图形采集。

根据实际情况，选取合适数量的环形图像形成一个平面条形图像。

优选的，筛选出环形图形中模糊的图像，对模糊的图像进行恢复。

具体的，使用滤波器对模糊的环形图像进行恢复，使得恢复后的环形图像与恢复前的图像的均方误差最小。令恢复的环形图像与恢复前的图像之间的误差为q。

q²＝vmin[(f1-f2)]；

f1表示恢复前的图像，f2表示恢复后的图像。vmin表示均方误差的最小值。

f2为f3的逆运算。

其中，h(u,v)表示退化函数的傅里叶变换，a表示参数。

x1(u，v)表示噪声的功率谱，x2(u，v)表示未处理图像的功率谱。

步骤s2，检测平面条形图像中的缺陷，提取缺陷图像。

步骤s2包括如下子步骤：

步骤210，对平面条形图像进行灰度处理,获得灰度图像t(i,j)。

步骤220，对灰度处理后的平面条形图像进行滤波处理，得到滤波后的图像t(i,j)。

滤波计算公式为：

其中，i表示图像中像素点的行数，j表示图像中像素点的列数,σ表示平方差，e＝2.718。

步骤230，计算滤波后图像横向方向任意相邻两个像素点的灰度值之差,计算公式为：t1(i,j)＝|t(i,j)-t(i,j-1)|,其中，t1(i,j)表示相邻两个像素点的灰度差值。

根据本发明的另一个实施例，计算滤波后图像纵向方向任意相邻两个像素点的灰度值之差,计算公式为：t1(i,j)＝|t(i,j)-t(i-1,j)|,其中，t1(i,j)表示相邻两个像素点的灰度差值。

步骤240，设定灰度阈值α；将计算的灰度差值与灰度阈值进行比较，获得缺陷图像t2(i,j)；计算公式如下：

缺陷图像中有缺陷的位置显示为黑色，无缺陷的位置显示为白色。

步骤s3，根据缺陷图像计算燃气输送管道内表面缺陷的危害程度值。

将缺陷图像中连续不断的黑色区域定义为一个缺陷。

计算燃气输送管道内表面缺陷的危害程度值的公式如下：

其中，l表示一节燃气输送管道的长度；n表示一节燃气输送管道出现缺陷的总数量，k表示第k个缺陷，lk表示第k个缺陷的长度,bk表示第k个缺陷的危害系数；dk(k+1)表示相邻的第k个缺陷和第k+1个缺陷之间的距离，d12表示相邻的第1个缺陷与第2个缺陷之间的距离。

其中危害系数bk与缺陷的长度lk成正比关系，lk越大bk越大,即缺陷的长度越长其危害系数越大，缺陷的危害系数为预先设定好的，根据缺陷的长度可对应获得缺陷的危害系数。

单个缺陷的长度越长说明该缺陷对燃气输送管道的危害程度越大，两个缺陷之间的距离dk(k+1)越小说明这两个缺陷对该节燃气输送管道的危害程度越大。

通过行走定位装置对缺陷进行定位，获得缺陷的位置坐标r(x,y),相邻两个缺陷rk(xk,yk)和rk+1(xk+1,yk+1)之间的距离的计算公式为：

步骤s4，根据燃气输送管道内表面缺陷的危害程度值判断该燃气输送管道需要修复或更换，若判断结果是燃气输送管道需要修复，执行缺陷修复方法，若判断结果是燃气输送管道需要更换，则对燃气输送管道进行更换。

具体的，预先设定燃气输送管道缺陷的危害程度阈值，将计算获得的燃气输送管道的危害程度值与预先设定的燃气输送管道缺陷的危害程度阈值进行比较，若计算获得的燃气输送管道的危害程度值大于预先设定的燃气输送管道缺陷的危害程度阈值，则需要将该节燃气管道重新更换；若计算获得的燃气输送管道的危害程度值小于预先设定的燃气输送管道缺陷的危害程度阈值，则说明该节燃气输送管道为可修复管道，对该节燃气输送管道进行人工修复。

如图2所示，缺陷修复方法包括如下步骤：

步骤p1，将缺陷图像输入到预先构建的缺陷类别识别模型中，判断缺陷图像的缺陷类型。

将缺陷图像与缺陷特征图进行对比分析，获得缺陷图像与缺陷特征图的相似程度。缺陷特征图中包括多个典型的缺陷对比图，例如：裂纹缺陷对比图，腐蚀点缺陷对比图或腐蚀坑缺陷对比图。

若缺陷图像与缺陷特征图中的某一类缺陷对比图的相似程度超过预设的阈值，则判定该缺陷图像的缺陷为与该缺陷对比图是相同的缺陷类型；否则，不是该缺陷类型。

步骤p2，获取缺陷图像中的缺陷对应在燃气输送管道上的位置；

步骤p3，根据获得的缺陷类型，采用相应的缺陷修复方法对缺陷位置处的缺陷进行修复。

若缺陷类型为裂纹缺陷，则定位裂纹主干位置，对裂纹主干位置进行修复。

通过对缺陷图像进行分析，识别腐蚀点，对腐蚀点位置进行修复，对腐蚀点处涂抹防腐层。

预先构建缺陷类别识别模型的方法为：

步骤t1，将多个已知的燃气管道内表面缺陷特征图像构建成训练样本。

步骤t2，将训练样本输入到多层神经网络中进行训练，得到缺陷类别识别模型。通过缺陷类别识别模型可识别缺陷图像的缺陷类别。

多层神经网络包括输入层，隐含层和输出层。

多层神经网络的每个节点为连续可微函数的感知器。连续可微函数为sigmoid函数。

缺陷图像在输入层输入，输入层输出的值作为隐含层的输入值，银行层的输出值作为输出层的输入值，输出层输出缺陷图像的缺陷类型。

实施例二

如图3所示，本申请提供了一种燃气输送管道内表面缺陷检测系统100，包括：

运动控制器10，与图像采集装置连接，用于带动图像采集装置在燃气输送管道内移动。

图像采集装置20，用于在光照系统的辅助作用下，对燃气输送管道内表面进行图像采集，获得平面条形图像。

预先设定运动控制器10的运动路径，运动控制器10带动图像采集装置20按照预先设定好的运动路径移动，图像采集装置20采集燃气输送管道内表面的图像。

运动路径为从燃气输送管道的一端作为起始点，运动控制器10位于燃气输送管道内表面的底端，图像采集装置20位于燃气输送管道的直径方向，图像采集装置20可360度旋转，沿燃气输送管道的圆周方向旋转一周后，沿燃气输送管道的圆周方向采集一次环形图像，运动控制器10沿燃气输送管道长度方向向前移动一步，图像采集装置20继续旋转一周，沿燃气输送管道的圆周方向采集一次环形图像，按照上述运动方式带动图像采集装置20采集燃气输送管道内表面的图像。根据实际情况调整运动控制器10沿燃气输送管道长度方向向前移动的距离，保证图像采集装置20不遗漏地采集燃气输送管道内表面的图像。

图像采集装置20每旋转一周即在燃气输送管道圆周方向采集的图像为一个环形图像，将采集的多个环形图像从每次扫描的起始点展开后拼接为平面条形图像。

行走定位装置80，安装在运动控制器10上，用于对运动控制器10的位置进行定位，从而判断其采集的图像位于燃气输送管道的位置，进行判断燃气输送管道的缺陷位置，以准确的对该缺陷进行修复。

供电模块，与图像采集装置20和运动控制器10电连接，用于给图像采集装置20和运动控制器10提供电源。

光照模块60，安装在运动控制器10上，用于对燃气输送管道内部进行照明，以采集到清晰的图像。

提取模块30，用于检测平面条形图像中的缺陷，提取缺陷图像。

数据分析处理装置40，用于根据缺陷图像计算燃气输送管道内表面缺陷的危害程度值。

判断模块50，用于根据燃气输送管道内表面缺陷的危害程度值判断该燃气输送管道需要修复或更换；若判断结果是燃气输送管道需要修复，执行缺陷修复方法，若判断结果是燃气输送管道需要更换，则对燃气输送管道进行更换。

缺陷修复模块70，用于执行缺陷修复方法。

缺陷修复模块70包括：

缺陷类型判断单元71，用于将缺陷图像输入到预先构建的缺陷类别识别模型中，判断缺陷图像的缺陷类型。

缺陷位置获取单元72，用于获取缺陷图像中的缺陷对应在燃气输送管道上的缺陷位置。

修复单元73，用于根据获得的缺陷类型，采用相应的缺陷修复方法对缺陷位置处的缺陷进行修复。

模型构建模块，用于预先构建的缺陷类别识别模型。

上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所作的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。

本申请实现的有益效果如下：

(1)本申请对燃气输送管道内表面的图像进行采集，并传输到地面的数据分析处理装置对采集的图像进行分析，判断缺陷的类型和缺陷的危害程度，提高了燃气输送管道内表面缺陷检测的效率和准确度，并可根据燃气输送管道内表面缺陷的危害程度判断其适合于修复还是更换。

(2)本申请对采集的环形图像中模糊的图像进行修复，进而提高了缺陷检测的精准度。

(3)本申请预先构建了缺陷类别识别模型，用于对缺陷的类别进行判断，本申请对缺陷的位置进行判断，并根据获得的缺陷类别采用相应的修复方法对缺陷位置处进行修复。