CN115575488B - 基于acfm与视觉的集成探头及协同检测方法 - Google Patents
基于acfm与视觉的集成探头及协同检测方法 Download PDFInfo
- Publication number
- CN115575488B CN115575488B CN202211454912.7A CN202211454912A CN115575488B CN 115575488 B CN115575488 B CN 115575488B CN 202211454912 A CN202211454912 A CN 202211454912A CN 115575488 B CN115575488 B CN 115575488B
- Authority
- CN
- China
- Prior art keywords
- detected
- conveying pipeline
- magnetic field
- gas conveying
- defect
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/83—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明属于油气管道检测技术领域,尤其涉及一种基于ACFM与视觉的集成探头及协同检测方法。该集成探头集成有ACFM探头以及视觉探头,并通过ACFM探头对待检测油气输送管道的磁场信号进行采集、通过视觉探头对待检测油气输送管道的图像信号进行采集;协同检测方法通过使上述两种信号保持同步并对其进行处理、回溯以及检测结果的协同印证,最终实现了对待检测油气输送管道表层缺陷和内部缺陷的综合判定。该协同检测方法中包括有同步待检测油气输送管道的图像信号和待检测油气输送管道的磁场信号、处理磁场信号、处理图像信号、综合判定待检测油气输送管道中存在的缺陷类型等步骤特征。
Description
技术领域
本发明属于油气管道检测技术领域,尤其涉及一种基于ACFM与视觉的集成探头及协同检测方法。
背景技术
随着石油工业的发展,油气运输发挥着越来越重要的作用;其中,油气输送管道的质量是衡量其安全性的重要指标。油气输送管道多采用金属导电材料制备,且表面覆有较厚的防腐涂层;然而受传输介质、加工制造缺陷和电化学腐蚀等因素的影响,其表层及内部易产生缺陷,进而导致管道发生破坏失效,严重危害油气运输安全。因此,在不损伤管道表面的前提下进行缺陷检测对于油气安全运输至关重要。然而,现有的漏磁、渗透、超声和涡流等常用的缺陷检测方法普遍存在对表面涂层敏感、结果直观性差和受主观因素影响大等不足,导致检测结果的漏检率、误检率较高,无法保证管道缺陷的准确检出,因此急需研究具备缺陷“图像化显示-数据回溯-综合判定”能力的检测装置和检测方法。
针对此,本领域技术人员已作出了诸多技术尝试。例如:西南石油大学的周兆明等人申请了一项发明专利“一种用于连续油管全向缺陷检测装置及方法”,其专利申请号为CN114113307 A,其中记载了一种基于ACFM和漏磁的缺陷检测装置及方法,该发明利用ACFM和漏磁分别对油管的轴向和周向缺陷进行检测。然而,发明人进一步研究后发现,该方法中两种检测手段之间无法相互印证,且检测结果直观性不强,导致其无法对管道缺陷进行综合判定。
发明内容
本发明提供了一种基于ACFM与视觉的集成探头及协同检测方法,其中,集成探头中集成有ACFM探头以及视觉探头,并通过ACFM探头对待检测油气输送管道的磁场信号进行采集、通过视觉探头对待检测油气输送管道的图像信号进行采集;协同检测方法通过使上述两种信号保持同步并对其进行处理、回溯以及检测结果的协同印证,最终实现了对待检测油气输送管道表层缺陷和内部缺陷的综合判定。该方案提高了油气输送管道检测结果的可靠性和直观性,对保障油气管道的运输安全具有重要意义。
为解决上述技术问题,本发明采用了如下技术方案:
基于ACFM与视觉的集成探头,所述集成探头中包括有:壳体、ACFM探头、视觉探头以及光源;
其中,用于采集待检测油气输送管道磁场信号的ACFM探头、用于采集待检测油气输送管道图像信号的视觉探头均安装在壳体的下方;
所述光源沿待检测油气输送管道的检测路径对称分布。
另一方面,本发明还提供了基于ACFM与视觉的集成探头的协同检测方法,包括有如下步骤:
步骤(1)、同步待检测油气输送管道的图像信号和待检测油气输送管道的磁场信号;
步骤(2)、处理磁场信号;
基于磁场信号处理结果,识别得到待检测油气输送管道中存在缺陷的位置;
步骤(3)、处理图像信号;
基于图像信号处理结果,识别得到待检测油气输送管道中存在缺陷的位置;
步骤(4)、对根据磁场信号识别得到的待检测油气输送管道中存在缺陷的位置以及根据图像信号识别得到的待检测油气输送管道中存在缺陷的位置进行综合判定,确定待检测油气输送管道中存在缺陷的类型。
较为优选的,所述步骤(1)可具体描述为:
计算待检测油气输送管道的图像信号相对于待检测油气输送管道的磁场信号的延迟显示时间;
基于计算所得的延迟显示时间,将待检测油气输送管道的图像信号与待检测油气输送管道的磁场信号同步;
较为优选的,所述步骤(2)中处理磁场信号的过程可具体描述为:
其式(2)中,、/>分别表示/>、/>的有效信号,/>为正弦激励信号的角频率,/>为正弦激励信号发出的时间,/>为/>的相位,/>为/>的相位,/>、/>分别表示磁场信号中的噪声信号在缺陷长度、深度方向上的分量;
较为优选的,所述步骤(2)中基于磁场信号处理结果识别得到待检测油气输送管道中存在缺陷的位置的过程可具体描述为:
较为优选的,所述步骤(3)中处理图像信号的过程可具体描述为:
对图像信号进行图像灰度化处理,将图像信号中的彩色信息转换为灰度信息;
采用高斯滤波法对灰度化处理后的图像信号进行滤波处理;
对滤波处理后的图像信号进行图像分割;
进行形态学处理。
较为优选的,所述步骤(3)中基于图像信号处理结果识别得到待检测油气输送管道中存在缺陷的位置的过程可具体描述为:
对形态学处理后的图像信号进行边缘检测;
根据边缘检测的结果,绘制图像信号中所有区域的最小外接矩形,计算各最小外接矩形的面积并比较大小,找出面积最大的最小外接矩形所包围的区域;
该区域即可用于识别得到待检测油气输送管道中存在缺陷的位置。
较为优选的,所述步骤(4)可具体描述为:
对根据磁场信号识别得到的待检测油气输送管道中存在缺陷的位置以及根据图像信号识别得到的待检测油气输送管道中存在缺陷的位置进行统计:
对根据磁场信号、根据图像信号均识别出存在缺陷的位置处,判断该位置的表层存在缺陷,该位置的内部可能存在缺陷;
对仅有根据磁场信号识别出存在缺陷、根据图像信号未识别出存在缺陷,且表面平整的位置处,判断该位置的内部存在缺陷;
对仅有根据磁场信号识别出存在缺陷、根据图像信号未识别出存在缺陷,且表面不平整的位置处,判断该位置的内部可能存在缺陷。
本发明提供了一种基于ACFM与视觉的集成探头及协同检测方法,该集成探头中包括有壳体、ACFM探头、视觉探头、光源等结构单元,该协同检测方法中包括有同步待检测油气输送管道的图像信号和待检测油气输送管道的磁场信号、处理磁场信号、处理图像信号、综合判定待检测油气输送管道中存在的缺陷类型等步骤特征。具有上述结构特征的集成探头、具有上述步骤特征的协同检测方法,克服了常规油气输送管道缺陷检测手段的不足,实现了对待检测油气输送管道缺陷的可视化显示、数据回溯,以及对管道表层与内部两种类型缺陷的综合判定;通过ACFM和视觉两种检测方法的相互印证,提高了管道缺陷检测的准确率。
附图说明
该附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明提供的一种基于ACFM探头与视觉探头的检测装置的结构示意图;
图2为本发明提供的一种基于ACFM探头与视觉探头的检测方法的流程示意图。
附图标记:1、壳体;2、光源;3、视觉探头;4、ACFM探头。
具体实施方式
本发明提供了一种基于ACFM与视觉的集成探头及协同检测方法,其中,集成探头集成有ACFM探头以及视觉探头,并通过ACFM探头对待检测油气输送管道的磁场信号进行采集、通过视觉探头对待检测油气输送管道的图像信号进行采集;协同检测方法通过使上述两种信号保持同步并对其进行处理、回溯以及检测结果的协同印证,最终实现了对表层缺陷和内部缺陷的综合判定。该方案提高了油气输送管道检测结果的可靠性和直观性,对保障油气管道的运输安全具有重要意义。
实施例一
本发明提供了一种基于ACFM与视觉的集成探头,如图1所示,该集成探头包括有:壳体1、ACFM探头4、视觉探头3以及光源2。其中,ACFM探头4用于采集待检测油气输送管道磁场信号,视觉探头3(例如:该视觉探头3选择帧频为60帧,分辨率为1280×1040像素)用于采集待检测油气输送管道图像信号,且ACFM探头4、视觉探头3均安装在壳体1的下方,视觉探头3的中心与ACFM探头4的中心的距离在检测路径方向的投影长度。光源1则沿待检测油气输送管道的检测路径对称分布,用于提高视觉探头3采集图像信号的质量。
实施例二
另一方面,本发明提供了一种基于ACFM与视觉的集成探头的协同检测方法,如图2所示,包括有如下步骤:
步骤(1)、同步待检测油气输送管道的图像信号和待检测油气输送管道的磁场信号。
具体的,该步骤(1)可具体描述为:
计算待检测油气输送管道的图像信号相对于待检测油气输送管道的磁场信号的延迟显示时间;
基于计算所得的延迟显示时间,将待检测油气输送管道的图像信号与待检测油气输送管道的磁场信号同步;
代入数据,其计算结果可参考如下:集成探头的移动速度为,视觉探头3中心与ACFM探头中心4的间距在检测路径方向的投影长度/>,延迟帧率/>帧,视觉探头3的最大帧率/>帧。通过公式求出图像信号相对磁场信号的延迟时间为/> 。然后,利用该延迟时间即可实现待检测油气输送管道的图像信号和待检测油气输送管道的磁场信号的同步。
在完成步骤(1)的基础上,进一步实施步骤(2):
处理磁场信号;
基于磁场信号处理结果,识别得到待检测油气输送管道中存在缺陷的位置。
具体的,处理磁场信号的过程可具体描述为:
其式(2)中,、/>分别表示/>、/>的有效信号,/>为正弦激励信号的角频率,/>为正弦激励信号发出的时间,/>为/>的相位,/>为/>的相位,/>、/>分别表示磁场信号中的噪声信号在缺陷长度、深度方向上的分量;
而基于磁场信号处理结果识别得到待检测油气输送管道中存在缺陷的位置的过程可具体描述为:
同样代入数据,其计算结果可参考如下:
首先,基于集成探头移动速度,计算可得/>为0.8。而后计算磁场信号在深度方向的有效信号/>的邻值差/>;当/>时,则基于磁场信号初步判断出对应位置处的待检测油气输送管道中存在缺陷。最后,可将判断得出的待检测油气输送管道中存在缺陷的位置数据储存备用。
在完成步骤(2)的基础上,进一步实施步骤(3):
处理图像信号;
基于图像信号处理结果,识别得到待检测油气输送管道中存在缺陷的位置。
具体的,步骤(3)中处理图像信号的过程可具体描述为:
对图像信号进行图像灰度化处理,将图像信号中的彩色信息转换为灰度信息。
而后,采用高斯滤波法对灰度化处理后的图像信号进行滤波处理。
进行高斯滤波处理的目的在于以减少图像中的噪声。其中,高斯滤波处理具体是对整幅图像信号进行加权平均的过程,图像信号中每一个像素点的值,都由其本身和邻域内的其它像素点的值经过加权平均后得到。例如:由下式生成高斯滤波的权值:
而后,对滤波处理后的图像信号进行图像分割。
具体可采用灰度阈值分割方法,实现对滤波处理后的图像信号的分割过程。该灰度阈值分割是一种较为常用的图像分割方法,将图像中所有像素点的灰度值根据阈值分为高于该阈值和低于该阈值两类,使灰度值高于阈值/>的像素点呈现白色,灰度值低于阈值/>的像素点呈现黑色,进而使整个图像呈现出明显的只有黑和白的视觉效果,以便区分工件和缺陷。
在完成前述步骤后,继续进一步进行形态学处理。
具体的,通过腐蚀运算,消除图像中与缺陷无关的细长区域,再进行一次闭运算;即先经过膨胀运算,再进行腐蚀运算,从而可有效填充缺陷区域的细小空洞,并平滑边界。
而后,对形态学处理后的图像信号进行边缘检测。
具体的,其目的是找到图像中缺陷的最优边缘,提高识别的精度。其中,算法是一种增强的多级边缘检测算法,该算法先用高斯滤波平滑图像,再用非极大值抑制技术来消除边缘误检,最后用双阈值方法处理和连接边缘。相比其它边缘检测方法,/>算法错误率较低,边缘检测效果更好。
而后,根据边缘检测的结果,绘制图像信号中所有区域的最小外接矩形,计算各最小外接矩形的面积并比较大小,找出面积最大的最小外接矩形所包围的区域;该区域即可用于识别得到待检测油气输送管道中存在缺陷的位置。值得注意的是,上述算法相对于传统算法可有效避免图像中的缺陷区域不封闭所导致的误判问题,从而有效的提高缺陷识别的准确率。
在完成上述所有处理后,可进一步选择将经上述处理后的包含有待检测油气输送管道中存在缺陷的位置数据的图像信号保存至可视化图像数据库中备用。
在完成步骤(3)的基础上,进一步实施步骤(4):
对根据磁场信号识别得到的待检测油气输送管道中存在缺陷的位置以及根据图像信号识别得到的待检测油气输送管道中存在缺陷的位置进行综合判定,确定待检测油气输送管道中存在缺陷的类型。
具体的,该步骤(4)可具体描述为:
对根据磁场信号识别得到的待检测油气输送管道中存在缺陷的位置以及根据图像信号识别得到的待检测油气输送管道中存在缺陷的位置进行统计,例如:回溯可视化图像数据库中储存的图像信号,以及提取储存有待检测油气输送管道中存在缺陷的位置数据的磁场信号进行综合判定。
对根据磁场信号、根据图像信号均识别出存在缺陷的位置处,判断该位置的表层存在缺陷,该位置的内部可能存在缺陷(对可能存在的缺陷可进一步选择复检以确定其检测结果);
对仅有根据磁场信号识别出存在缺陷、根据图像信号未识别出存在缺陷,且表面平整的位置处,判断该位置的内部存在缺陷;
对仅有根据磁场信号识别出存在缺陷、根据图像信号未识别出存在缺陷,且表面不平整的位置处,判断该位置的内部可能存在缺陷(对可能存在的缺陷可进行进一步复检以确定其检测结果)。
本发明提供了一种基于ACFM与视觉的集成探头及协同检测方法,该集成探头中包括有壳体、ACFM探头、视觉探头、光源等结构单元,该协同检测方法中包括有同步待检测油气输送管道的图像信号和待检测油气输送管道的磁场信号、处理磁场信号、处理图像信号、综合判定待检测油气输送管道中存在的缺陷类型等步骤特征。具有上述结构特征的集成探头、具有上述步骤特征的协同检测方法,克服了常规油气输送管道缺陷检测手段的不足,实现了对待检测油气输送管道缺陷的可视化显示、数据回溯,以及对管道表层与内部两种缺陷类型的综合判定;通过ACFM和视觉两种检测方法的相互印证,提高了管道缺陷检测的准确率。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.基于ACFM与视觉的集成探头的协同检测方法,其特征在于,包括有如下步骤:
步骤(1)、同步待检测油气输送管道的图像信号和待检测油气输送管道的磁场信号;
步骤(2)、处理磁场信号;
基于磁场信号处理结果,识别得到待检测油气输送管道中存在缺陷的位置;
步骤(3)、处理图像信号;
基于图像信号处理结果,识别得到待检测油气输送管道中存在缺陷的位置;
步骤(4)、对根据磁场信号识别得到的待检测油气输送管道中存在缺陷的位置以及根据图像信号识别得到的待检测油气输送管道中存在缺陷的位置进行综合判定,确定待检测油气输送管道中存在缺陷的类型;
所述步骤(1)可具体描述为:
计算待检测油气输送管道的图像信号相对于待检测油气输送管道的磁场信号的延迟显示时间;
基于计算所得的延迟显示时间,将待检测油气输送管道的图像信号与待检测油气输送管道的磁场信号同步;
所述步骤(2)中处理磁场信号的过程可具体描述为:
其式(2)中,、/>分别表示/>、/>的有效信号,/>为正弦激励信号的角频率,/>为正弦激励信号发出的时间,/>为/>的相位,/>为/>的相位,/>、/>分别表示磁场信号中的噪声信号在缺陷长度、深度方向上的分量;
所述步骤(2)中基于磁场信号处理结果识别得到待检测油气输送管道中存在缺陷的位置的过程可具体描述为:
2.根据权利要求1所述的基于ACFM与视觉的集成探头的协同检测方法,其特征在于,所述步骤(3)中处理图像信号的过程可具体描述为:
对图像信号进行图像灰度化处理,将图像信号中的彩色信息转换为灰度信息;
采用高斯滤波法对灰度化处理后的图像信号进行滤波处理;
对滤波处理后的图像信号进行图像分割;
进行形态学处理。
3.根据权利要求1所述的基于ACFM与视觉的集成探头的协同检测方法,其特征在于,所述步骤(3)中基于图像信号处理结果识别得到待检测油气输送管道中存在缺陷的位置的过程可具体描述为:
对形态学处理后的图像信号进行边缘检测;
根据边缘检测的结果,绘制图像信号中所有区域的最小外接矩形,计算各最小外接矩形的面积并比较大小,找出面积最大的最小外接矩形所包围的区域;
该区域即可用于识别得到待检测油气输送管道中存在缺陷的位置。
4.根据权利要求1所述的基于ACFM与视觉的集成探头的协同检测方法,其特征在于,所述步骤(4)可具体描述为:
对根据磁场信号识别得到的待检测油气输送管道中存在缺陷的位置以及根据图像信号识别得到的待检测油气输送管道中存在缺陷的位置进行统计:
对根据磁场信号、根据图像信号均识别出存在缺陷的位置处,判断该位置的表层存在缺陷,该位置的内部可能存在缺陷;
对仅有根据磁场信号识别出存在缺陷、根据图像信号未识别出存在缺陷,且表面平整的位置处,判断该位置的内部存在缺陷;
对仅有根据磁场信号识别出存在缺陷、根据图像信号未识别出存在缺陷,且表面不平整的位置处,判断该位置的内部可能存在缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211454912.7A CN115575488B (zh) | 2022-11-21 | 2022-11-21 | 基于acfm与视觉的集成探头及协同检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211454912.7A CN115575488B (zh) | 2022-11-21 | 2022-11-21 | 基于acfm与视觉的集成探头及协同检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115575488A CN115575488A (zh) | 2023-01-06 |
CN115575488B true CN115575488B (zh) | 2023-06-02 |
Family
ID=84589051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211454912.7A Active CN115575488B (zh) | 2022-11-21 | 2022-11-21 | 基于acfm与视觉的集成探头及协同检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115575488B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000105203A (ja) * | 1998-07-28 | 2000-04-11 | Hitachi Ltd | 欠陥検査装置およびその方法 |
CN109883693A (zh) * | 2019-04-04 | 2019-06-14 | 西安交通大学 | 基于低秩-稀疏逼近的行星齿轮箱故障诊断方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3743191B2 (ja) * | 1999-02-08 | 2006-02-08 | Jfeスチール株式会社 | 渦流探傷法 |
US9524542B1 (en) * | 2005-04-15 | 2016-12-20 | Custom Industrial Automation Inc. | Delayed petroleum coking vessel inspection device and method |
CA2675619C (en) * | 2007-01-19 | 2016-08-16 | Sunnybrook Health Sciences Centre | Scanning mechanisms for imaging probe |
CN101701934A (zh) * | 2009-11-16 | 2010-05-05 | 中国石油大学(华东) | Acfm缺陷智能可视化检测系统 |
RU2516996C1 (ru) * | 2012-10-09 | 2014-05-27 | Открытое акционерное общество "Волжский подводник" | Способ ремонта подводного трубопровода |
CN106248782B (zh) * | 2016-09-18 | 2019-08-23 | 中国石油大学(华东) | 一种深海智能存储交流电磁场检测系统及缺陷判定方法 |
US10139372B1 (en) * | 2017-05-19 | 2018-11-27 | Saudi Arabian Oil Company | Two-stage corrosion under insulation detection methodology and modular vehicle with dual locomotion sensory systems |
US11097796B2 (en) * | 2018-11-29 | 2021-08-24 | Saudi Arabian Oil Company | Articulated magnet-bearing legs for UAV landing on curved surfaces |
CN114113307A (zh) * | 2021-08-25 | 2022-03-01 | 西南石油大学 | 一种用于连续油管全向缺陷检测装置及方法 |
-
2022
- 2022-11-21 CN CN202211454912.7A patent/CN115575488B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000105203A (ja) * | 1998-07-28 | 2000-04-11 | Hitachi Ltd | 欠陥検査装置およびその方法 |
CN109883693A (zh) * | 2019-04-04 | 2019-06-14 | 西安交通大学 | 基于低秩-稀疏逼近的行星齿轮箱故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115575488A (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11221107B2 (en) | Method for leakage detection of underground pipeline corridor based on dynamic infrared thermal image processing | |
CN114862862B (zh) | 一种基于图像处理的泵体冷隔缺陷识别方法与系统 | |
CN116721106B (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
CN107705288B (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
CN103279765B (zh) | 基于图像匹配的钢丝绳表面损伤检测方法 | |
CN113592861A (zh) | 一种基于动态阈值的桥梁裂缝检测方法 | |
CN111667470B (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
CN115115638B (zh) | 一种液压系统漏油检测及判定方法 | |
CN115239738B (zh) | 一种汽车零件配置智能检测方法 | |
CN105787912B (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
Li et al. | Detection algorithm of defects on polyethylene gas pipe using image recognition | |
CN110838117A (zh) | 一种基于孔壁图像的岩石面孔隙度识别方法 | |
CN113155839A (zh) | 一种基于机器视觉的钢板外表面缺陷在线检测方法 | |
Hu et al. | Rail surface spalling detection based on visual saliency | |
CN114140384A (zh) | 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法 | |
Li et al. | A method of surface defect detection of irregular industrial products based on machine vision | |
CN115575488B (zh) | 基于acfm与视觉的集成探头及协同检测方法 | |
CN111161308A (zh) | 一种基于关键点匹配的双波段融合目标提取方法 | |
CN114937041B (zh) | 一种汽车发动机油路铜套缺陷检测方法及系统 | |
CN115409768A (zh) | 一种基于特征输入增强的渗漏水病害深度学习检测方法 | |
Chong et al. | Fabric Defect Detection Method Based on Projection Location and Superpixel Segmentation | |
CN112561895A (zh) | 一种基于人工智能的气密性泄漏等级评估方法及系统 | |
CN105115987A (zh) | 基于数字滤波的圆锥滚子倒装缺陷检测方法 | |
CN115266759B (zh) | 一种基于剪切散斑干涉的药柱脱粘缺陷在线自动识别方法 | |
Niu et al. | Application of CEM algorithm in the field of tunnel crack identification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |