CN107741454A - 基于法向分量的伪三维漏磁信号缺陷轮廓识别方法 - Google Patents
基于法向分量的伪三维漏磁信号缺陷轮廓识别方法 Download PDFInfo
- Publication number
- CN107741454A CN107741454A CN201710784842.4A CN201710784842A CN107741454A CN 107741454 A CN107741454 A CN 107741454A CN 201710784842 A CN201710784842 A CN 201710784842A CN 107741454 A CN107741454 A CN 107741454A
- Authority
- CN
- China
- Prior art keywords
- magnetic leakage
- leakage signal
- pseudo
- signal
- normal component
- 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.)
- Granted
Links
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
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明公开了一种基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,包括:从待测试件中选取识别区域;对检测数据进行过滤处理,得到漏磁信号法向分量;通过水平差分信号与第一预设倍数相乘得到伪漏磁信号水平分量;通过垂直差分信号与第二预设倍数相乘得到伪漏磁信号垂直分量;将漏磁信号法向分量、伪漏磁信号水平分量和伪漏磁信号垂直分量进行伪三维漏磁信号合成操作,得到合成漏磁信号;选取预设阈值,得到缺陷识别轮廓。该方法可以从漏磁信号的法向分量中衍生出漏磁信号水平分量和漏磁信号垂直分量的近似值,进而构建伪三维漏磁信号实现缺陷轮廓识别,相较于传统的一维漏磁信号缺陷轮廓识别,具有更高的求解精度和更好的识别效果。
Description
技术领域
本发明涉及无损检测技术领域,特别涉及一种基于法向分量的伪三维漏磁信号缺陷轮廓识别方法。
背景技术
漏磁检测是较常用的无损检测方法之一,广泛应用于油气管道、储罐底板等铁磁性被测试件的缺陷检测与安全评估中,基于漏磁检测信号实现缺陷轮廓识别对于被测试件的检测与评估具有重要意义。
近年来,随着漏磁检测技术的不断进步与提高,缺陷检测与安全评估要求的日益严格,仅采用一维漏磁检测信号进行缺陷分析已无法满足对缺陷识别精度的要求,需要基于三维漏磁检测数据进行分析处理以提供更加丰富的缺陷轮廓信息,提高识别精度。但是三维漏磁检测相较于一维漏磁检测,需要多采用两倍数量的磁传感器,且对三维漏磁信号的采集位置和精度要求较高,大大增加了漏磁检测装置的研制成本和设计难度。
因此,若能在仅采集一维漏磁信号的基础上,从一维漏磁信号中衍生出可近似等效的三维漏磁信号,再基于等效的三维漏磁信号进行缺陷分析和轮廓识别,从原理上可以在保证在不增加漏磁检测装置的研制成本和复杂度的情况下,有效提高缺陷识别精度。然而,目前尚无对这种三维漏磁信号衍生技术及相关缺陷轮廓识别方法的研究。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的目的在于提出一种基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,该方法可以从漏磁信号的法向分量中衍生出漏磁信号水平分量和漏磁信号垂直分量的近似值,进而构建伪三维漏磁信号实现缺陷轮廓识别,相较于传统的一维漏磁信号缺陷轮廓识别,具有更高的求解精度和更好的识别效果。
为达到上述目的,本发明一方面实施例提出了一种基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,包括以下步骤:获取待测试件,并从所述待测试件中选取识别区域,其中,所述识别区域内包含单个缺陷;通过单轴磁传感器在扫描平面上扫描所述识别区域,得到所述识别区域内缺陷漏磁信号法向分量的检测数据,并对所述检测数据进行过滤处理,得到漏磁信号法向分量;将所述漏磁信号法向分量沿水平方向进行差分变换操作,得到所述漏磁信号法向分量的水平差分信号,并通过所述水平差分信号与第一预设倍数相乘得到伪漏磁信号水平分量;将所述漏磁信号法向分量沿垂直方向进行差分变换操作,得到所述漏磁信号法向分量的垂直差分信号,并通过所述垂直差分信号与第二预设倍数相乘得到伪漏磁信号垂直分量;将所述漏磁信号法向分量、所述伪漏磁信号水平分量和所述伪漏磁信号垂直分量进行伪三维漏磁信号合成操作,得到合成漏磁信号;选取预设阈值,以对所述合成漏磁信号进行二值化处理,并对二值化处理后得到的二值图像进行缺陷边缘连续性识别操作,得到缺陷识别轮廓。
本发明实施例的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,可以从漏磁信号的法向分量中衍生出漏磁信号水平分量和漏磁信号垂直分量的近似值,进而构建伪三维漏磁信号实现缺陷轮廓识别,相较于传统的一维漏磁信号缺陷轮廓识别,具有更高的求解精度和更好的识别效果。
另外,根据本发明上述实施例的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,所述待测试件包括油气管道和储罐底板,其中,在通过单轴磁传感器在扫描平面上扫描所述识别区域之前,还包括:通过直流磁化场对所述待测试件进行饱和磁化处理。
进一步地,在本发明的一个实施例中,所述伪漏磁信号水平分量对应的水平方向在所述扫描平面上沿所述待测试件的磁化方向,所述伪漏磁信号垂直分量对应的垂直方向在所述扫描平面上垂直于所述待测试件的磁化方向,所述漏磁信号法向分量对应的法线方向垂直于所述扫描平面,且所述水平方向、所述垂直方向和所述法线方向满足三维笛卡尔坐标系的右手定则。
进一步地,在本发明的一个实施例中,所述将所述漏磁信号法向分量沿水平方向进行差分变换操作,进一步包括:获取满足第一预设条件的第一信号矩阵进行卷积运算,所述水平差分信号满足以下公式,所述公式为:
Dx=Gx*Bz,
其中,Dx为所述水平差分信号,Gx为算子模板,Bz为所述信号矩阵,*表示卷积运算。
进一步地,在本发明的一个实施例中,所述将所述漏磁信号法向分量沿垂直方向进行差分变换操作,进一步包括:获取第二预设条件的第二信号矩阵进行卷积运算,所述垂直差分信号满足以下公式,所述公式为:
Dx=Gy*Bz。
进一步地,在本发明的一个实施例中,所述算子模板为Prewitt算子模板或Sobel算子模板。
进一步地,在本发明的一个实施例中,通过以下公式进行伪三维漏磁信号合成操作,所述公式为:
B(x,y)=Bx′(x,y)+abs[By′(x,y)]+abs[Bz(x,y)],
其中,B(x,y)为所述合成漏磁信号,Bx′(x,y)为所述伪漏磁信号水平分量,By′(x,y)为所述伪漏磁信号垂直分量,Bz(x,y)为所述漏磁信号法向分量,abs[·]表示取绝对值操作。
进一步地,在本发明的一个实施例中,所述预设阈值处于所述合成漏磁信号的最大值的40%~60%之间。
进一步地,在本发明的一个实施例中,所述对所述合成漏磁信号进行二值化处理,进一步包括:将所述合成漏磁信号的区域划分为“0-1”区域,得到所述二值图像,其中,若所述合成漏磁信号的信号值小于所述预设阈值时,所述信号值所对应的区域为“0”区域,并在所述二值图像中显示为黑色;若所述合成漏磁信号的信号值大于或等于所述预设阈值时,所述信号值所对应的区域为“1”区域,并在所述二值图像中显示为白色。
进一步地,在本发明的一个实施例中,述对二值化处理后得到的二值图像进行缺陷边缘连续性识别操作,进一步包括:沿所述水平方向依次提取所述二值图像中“1”区域的左边界和右边界,并将所述左边界与所述右边界水平连接后得到的连续区域作为最终识别的缺陷区域,其中,所述左边界和所述右边界分别是所述二值图像中“1”区域的水平方向上最左边的“1”像素点连接成的边界和最右边的“1”像素点连接成的边界。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法的流程图;
图2为根据本发明一个实施例的凸状缺陷漏磁信号法向分量的信号强度示意图;
图3为根据本发明一个实施例的凸状缺陷伪漏磁信号水平分量的信号强度示意图;
图4为根据本发明一个实施例的凸状缺陷伪漏磁信号垂直分量的信号强度示意图;
图5为根据本发明一个实施例的凸状缺陷合成漏磁信号的信号强度示意图;
图6为根据本发明一个实施例的采用伪三维漏磁信号得到的缺陷轮廓识别结果示意图;
图7为根据本发明一个实施例的仅采用一维漏磁信号得到的缺陷轮廓识别结果示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法。
图1是本发明一个实施例的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法的流程图。
如图1所示,该基于法向分量的伪三维漏磁信号缺陷轮廓识别方法包括以下步骤:
在步骤S1中,获取待测试件,并从待测试件中选取识别区域,其中,识别区域内包含单个缺陷。
也就是说,提供待测试件,从而从待测试件选取识别区域。需要说明的是,识别区域内可以仅包含单个缺陷。
在步骤S2中,通过单轴磁传感器在扫描平面上扫描识别区域,得到识别区域内缺陷漏磁信号法向分量的检测数据,并对检测数据进行过滤处理,得到漏磁信号法向分量。
也就是说,利用单轴磁传感器在扫描平面xOy上扫描的待测试件识别区域,得到该区域内缺陷漏磁信号法向分量的检测数据,并对的缺陷漏磁信号法向分量检测数据进行过滤处理,得到最终的漏磁信号法向分量Bz(x,y)。
其中,在本发明的一个实施例中,待测试件包括油气管道和储罐底板,其中,在通过单轴磁传感器在扫描平面上扫描识别区域之前,还包括:通过直流磁化场对待测试件进行饱和磁化处理。
需要说明的是,待测试件可以为铁磁性材料,包括但不限于油气管道、储罐底板等。且在执行步骤S2之前,先利用直流磁化场对待测试件进行饱和磁化处理。
在步骤S3中,将漏磁信号法向分量沿水平方向进行差分变换操作,得到漏磁信号法向分量的水平差分信号,并通过水平差分信号与第一预设倍数相乘得到伪漏磁信号水平分量。
也就是说,漏磁信号法向分量Bz(x,y)沿水平方向进行差分变换操作,从而得到法向分量的水平差分信号Dx(x,y),再将得到的法向分量水平差分信号幅值乘以kx倍,进而得到伪漏磁信号水平分量Bx′(x,y)。需要说明的是,第一预设倍数可以为系数kx,其中,系数kx的取值范围可以为[0.1,0.9]。
举例而言,将漏磁信号法向分量Bz(x,y)沿水平方向进行差分变换操作,得到法向分量的水平差分信号Dx(x,y),再将得到的法向分量水平差分信号幅值乘以kx倍,kx取0.25,得到伪漏磁信号水平分量Bx′(x,y)。
进一步地,在本发明的一个实施例中,将漏磁信号法向分量沿水平方向进行差分变换操作,进一步包括:获取满足第一预设条件的第一信号矩阵进行卷积运算,水平差分信号满足以下公式,公式为:
Dx=Gx*Bz,
其中,Dx为水平差分信号,Gx为算子模板,Bz为信号矩阵,*表示卷积运算。
可选地,在本法明的一个实施例中,算子模板可以为Prewitt算子模板或Sobel算子模板。
可以理解的是,沿水平方向进行差分变换操作,指的是选取合适水平差分算子模板Gx与漏磁信号法向分量的信号矩阵Bz进行卷积运算即获取满足第一预设条件的第一信号矩阵进行卷积运算,其中,算子模板可以选择Prewitt算子或Sobel算子的模板。法向分量的水平差分信号满足下述公式:
Dx=Gx*Bz,
其中,*表示卷积运算,
或
在步骤S4中,将漏磁信号法向分量沿垂直方向进行差分变换操作,得到漏磁信号法向分量的垂直差分信号,并通过垂直差分信号与第二预设倍数相乘得到伪漏磁信号垂直分量。
也就是说,将漏磁信号法向分量Bz(x,y)沿垂直方向进行差分变换操作,从而得到法向分量的垂直差分信号Dy(x,y),再将得到的法向分量垂直差分信号幅值乘以ky倍,进而得到伪漏磁信号垂直分量By′(x,y)。需要说明的是,第二预设倍数可以为系数ky,其中,系数ky的取值范围可以为[0.1,0.9]。
举例而言,将漏磁信号法向分量Bz(x,y)沿垂直方向进行差分变换操作,得到法向分量的垂直差分信号Dy(x,y),再将得到的法向分量垂直差分信号幅值乘以ky倍,ky取0.19,得到伪漏磁信号垂直分量By′(x,y)。
其中,将漏磁信号法向分量沿垂直方向进行差分变换操作,进一步包括:获取第二预设条件的第二信号矩阵进行卷积运算,垂直差分信号满足以下公式,公式为:
Dx=Gy*Bz。
可以理解的是,沿垂直方向进行差分变换操作,指的是选取合适垂直差分算子模板Gy与漏磁信号法向分量的信号矩阵Bz进行卷积运算即获取第二预设条件的第二信号矩阵进行卷积运算,其中,算子模板可以选择Prewitt算子或Sobel算子的模板。法向分量的垂直差分信号满足下述公式:
Dx=Gy*Bz,
其中,*表示卷积运算,
或
在步骤S5中,将漏磁信号法向分量、伪漏磁信号水平分量和伪漏磁信号垂直分量进行伪三维漏磁信号合成操作,得到合成漏磁信号。
也就是说,将得到的漏磁信号法向分量Bz(x,y)、伪漏磁信号水平分量Bx′(x,y)和伪漏磁信号垂直分量By′(x,y)进行伪三维漏磁信号合成操作,得到合成漏磁信号B(x,y)。
其中,在本发明的一个实施例中,伪漏磁信号水平分量对应的水平方向在扫描平面上沿待测试件的磁化方向,伪漏磁信号垂直分量对应的垂直方向在扫描平面上垂直于待测试件的磁化方向,漏磁信号法向分量对应的法线方向垂直于扫描平面,且水平方向、垂直方向和法线方向满足三维笛卡尔坐标系的右手定则。
进一步地,在本发明的一个实施例中,通过以下公式进行伪三维漏磁信号合成操作,公式为:
B(x,y)=Bx′(x,y)+abs[By′(x,y)]+abs[Bz(x,y)],
其中,B(x,y)为合成漏磁信号,Bx′(x,y)为伪漏磁信号水平分量,By′(x,y)为伪漏磁信号垂直分量,Bz(x,y)为漏磁信号法向分量,abs[·]表示取绝对值操作。
在步骤S6中,选取预设阈值,以对合成漏磁信号进行二值化处理,并对二值化处理后得到的二值图像进行缺陷边缘连续性识别操作,得到缺陷识别轮廓。
也就是说,选取合适的阈值δ即选取预设阀值,对合成漏磁信号B(x,y)进行二值化处理,并对处理后的二值图像进行缺陷边缘连续性识别操作,最终得到缺陷识别轮廓。
可选地,在本发明的一个实施例中,预设阈值处于合成漏磁信号的最大值的40%~60%之间。
具体地,阈值δ可以设置在合成漏磁信号B(x,y)的最大值的40%~60%之间。例如,选取合适的阈值δ即选取预设阀值,可以设置为合成漏磁信号B(x,y)的最大值的50%。
进一步地,在本发明的一个实施例中,对合成漏磁信号进行二值化处理,进一步包括:将合成漏磁信号的区域划分为“0-1”区域,得到二值图像,其中,若合成漏磁信号的信号值小于预设阈值时,信号值所对应的区域为“0”区域,并在二值图像中显示为黑色;若合成漏磁信号的信号值大于或等于预设阈值时,信号值所对应的区域为“1”区域,并在二值图像中显示为白色。
具体而言,二值化处理是将合成漏磁信号B(x,y)区域划分为“0-1”区域,从而得到二值图像,其中,若合成漏磁信号值小于阈值δ时,则该信号值所对应的区域为“0”区域,需要说明的是,信号值所对应的区域为“0”区域时,在二值图像中显示为黑色;若合成漏磁信号值大于或等于阈值δ时,该信号值所对应的区域为“1”区域,需要说明的是,信号值所对应的区域为“1”区域时,在二值图像中显示为白色。
进一步地,在本发明的一个实施例中,对二值化处理后得到的二值图像进行缺陷边缘连续性识别操作,进一步包括:沿水平方向依次提取二值图像中“1”区域的左边界和右边界,并将左边界与右边界水平连接后得到的连续区域作为最终识别的缺陷区域,其中,左边界和右边界分别是二值图像中“1”区域的水平方向上最左边的“1”像素点连接成的边界和最右边的“1”像素点连接成的边界。
也就是说,缺陷边缘连续性识别操作,是沿水平方向依次提取的二值图像中“1”区域(即白色区域)的左边界和右边界,并将左边界与右边界水平连接后得到的连续区域作为最终识别的缺陷区域。其中,白色区域左边界和右边界分别是二值图像中“1”区域的水平方向上最左边的“1”像素点连接成的边界和最右边的“1”像素点连接成的边界。
具体而言在本发明的一个具体实施例中,本发明实施例的方法包括以下步骤:
1、提供待测试件,并从待测试件选取识别区域,其中,识别区域内包含一个“凸”状缺陷。待测试件为铁磁性材料的储罐底板,板厚为12mm。该“凸”状缺陷为看作有12mm×12mm的矩形缺陷和24mm×12mm的矩形缺陷上下拼接而成,深度均为2.4mm。
2、利用单轴磁传感器在扫描平面xOy上扫描的待测试件识别区域,得到该区域内缺陷漏磁信号法向分量的检测数据,并对缺陷漏磁信号法向分量检测数据进行过滤处理,得到最终的漏磁信号法向分量Bz(x,y)如图2所示。在此步骤之前,先利用直流磁化场对待测试件进行饱和磁化处理,然后以2m/s的运行速度等间距扫描采样,采用间距为1mm,磁传感器提离值为2mm。
其中,漏磁信号水平分量对应的水平方向在扫描平面xOy上沿被测试件的磁化方向,漏磁信号垂直分量对应的垂直方向在扫描平面xOy上垂直于被测试件的磁化方向,漏磁信号法向分量对应的法线方向垂直于扫描平面xOy,且水平方向垂直方向和法线方向满足三维笛卡尔坐标系的右手定则。
3、将漏磁信号法向分量Bz(x,y)沿水平方向进行差分变换操作,得到法向分量的水平差分信号Dx(x,y),沿水平方向进行差分变换操作指的是选取合适水平差分算子模板Gx与漏磁信号法向分量的信号矩阵Bz进行卷积运算,其中,算子模板选择Sobel算子的模板。法向分量的水平差分信号满足下述公式:
Dx=Gx*Bz,
其中,*表示卷积运算,
再将得到的法向分量水平差分信号幅值乘以kx倍,kx取0.4,得到伪漏磁信号水平分量Bx′(x,y)如图3所示。
4、将漏磁信号法向分量Bz(x,y)沿垂直方向进行差分变换操作,得到法向分量的垂直差分信号Dy(x,y)。沿垂直方向进行差分变换操作,指的是选取合适垂直差分算子模板Gy与漏磁信号法向分量的信号矩阵Bz进行卷积运算,其中,算子模板选择Sobel算子的模板。法向分量的垂直差分信号满足下述公式:
Dx=Gy*Bz,
其中,*表示卷积运算,
再将得到的法向分量垂直差分信号幅值乘以ky倍,ky取0.23,得到伪漏磁信号垂直分量By′(x,y)如图4所示。
5、将得到的漏磁信号法向分量Bz(x,y)、伪漏磁信号水平分量Bx′(x,y)和伪漏磁信号垂直分量By′(x,y)进行伪三维漏磁信号合成操作,得到合成漏磁信号B(x,y)如图5所示。
伪三维漏磁信号合成操作满足下述公式:
B(x,y)=Bx′(x,y)+abs[By′(x,y)]+abs[Bz(x,y)],
其中,abs[·]表示取绝对值操作。
6、选取合适的阈值δ,设置为合成漏磁信号B(x,y)的最大值的50%。对合成漏磁信号B(x,y)进行二值化处理,将合成漏磁信号B(x,y)区域划分为“0-1”区域,得到二值图像,其中,若合成漏磁信号值小于阈值δ时,该信号值所对应的区域为“0”区域,在二值图像中显示为黑色;若合成漏磁信号值大于或等于阈值δ时,该信号值所对应的区域为“1”区域,在二值图像中显示为白色。并对处理后的二值图像进行缺陷边缘连续性识别操作,沿水平方向依次提取的二值图像中“1”区域(即白色区域)的左边界和右边界,并将左边界与右边界水平连接后得到的连续区域作为最终识别的缺陷区域。其中,白色区域的左边界和右边界分别是二值图像中“1”区域的水平方向上最左边的“1”像素点连接成的边界和最右边的“1”像素点连接成的边界,最终得到缺陷识别轮廓。
在本发明的实施例中,采用本发明实施例的方法得到的缺陷识别轮廓如图6所示,其中虚线表示实际缺陷的轮廓,可见采用本发明实施例的方法得到的缺陷识别轮廓能够与实际缺陷轮廓较好地吻合。为了与仅采用一维漏磁信号缺陷轮廓识别方法的识别效果进行比较,图7给出了仅采用漏磁信号法向分量进行缺陷轮廓识别的效果图,对比可见,本发明实施例的一种基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,可以从漏磁信号的法向分量中衍生出漏磁信号水平分量和漏磁信号垂直分量的近似值,进而构建伪三维漏磁信号实现缺陷轮廓识别,相较于传统的一维漏磁信号缺陷轮廓识别,具有更高的求解精度和更好的识别效果。
进一步地,在本发明的另一个具体实施例中,本发明实施例的方法包括以下步骤:
1、提供待测试件,并从的待测试件选取识别区域,其中,识别区域内包含一个矩形缺陷。待测试件为铁磁性材料的油气管道,管壁厚度为12.7mm。该矩形缺陷长为看作有12.7mm,宽为25.4mm,深度为2.54mm。
2、利用单轴磁传感器在扫描的待测试件识别区域,得到该区域内缺陷漏磁信号法向分量的检测数据,并对的缺陷漏磁信号法向分量检测数据进行过滤处理,得到最终的漏磁信号法向分量Bz(x,y)。在此步骤之前,先利用直流磁化场对待测试件进行饱和磁化处理。然后以1.5m/s的运行速度等间距扫描采样,采用间距为2.2mm,磁传感器提离值为2.0mm。
其中,漏磁信号水平分量对应的水平方向沿被测试件的磁化方向,即管道轴向方向;漏磁信号垂直分量对应的垂直方向垂直于被测试件的磁化方向,即管道周向方向;漏磁信号法向分量对应的法线方向与水平方向和垂直方向垂直,即管道径向方向,且水平方向垂直方向和法线方向满足三维笛卡尔坐标系的右手定则。
3、将漏磁信号法向分量Bz(x,y)沿水平方向进行差分变换操作,得到法向分量的水平差分信号Dx(x,y),沿水平方向进行差分变换操作指的是选取合适水平差分算子模板Gx与漏磁信号法向分量的信号矩阵Bz进行卷积运算,其中,算子模板选择Prewitt算子的模板。法向分量的水平差分信号满足下述公式:
Dx=Gx*Bz,
其中,*表示卷积运算,
再将得到的法向分量水平差分信号幅值乘以kx倍,kx取0.5,得到伪漏磁信号水平分量Bx′(x,y)。
4、将漏磁信号法向分量Bz(x,y)沿垂直方向进行差分变换操作,得到法向分量的垂直差分信号Dy(x,y)。沿垂直方向进行差分变换操作,指的是选取合适垂直差分算子模板Gy与漏磁信号法向分量的信号矩阵Bz进行卷积运算,其中,算子模板选择Prewitt算子的模板。法向分量的垂直差分信号满足下述公式:
Dx=Gy*Bz,
其中,*表示卷积运算,
再将得到的法向分量垂直差分信号幅值乘以ky倍,ky取0.44,得到伪漏磁信号垂直分量By′(x,y)。
5、将得到的漏磁信号法向分量Bz(x,y)、伪漏磁信号水平分量Bx′(x,y)和伪漏磁信号垂直分量By′(x,y)进行伪三维漏磁信号合成操作,得到合成漏磁信号B(x,y)。
伪三维漏磁信号合成操作满足下述公式:
B(x,y)=Bx′(x,y)+abs[By′(x,y)]+abs[Bz(x,y)]。
6、选取合适的阈值δ,设置为合成漏磁信号B(x,y)的最大值的50%。对合成漏磁信号B(x,y)进行二值化处理,将合成漏磁信号B(x,y)区域划分为“0-1”区域,得到二值图像,其中,若合成漏磁信号值小于阈值δ时,该信号值所对应的区域为“0”区域,在二值图像中显示为黑色;若合成漏磁信号值大于或等于阈值δ时,该信号值所对应的区域为“1”区域,在二值图像中显示为白色。并对处理后的二值图像进行缺陷边缘连续性识别操作,沿水平方向依次提取的二值图像中“1”区域(即白色区域)的左边界和右边界,并将左边界与右边界水平连接后得到的连续区域作为最终识别的缺陷区域。其中,白色区域的左边界和右边界分别是二值图像中“1”区域的水平方向上最左边的“1”像素点连接成的边界和最右边的“1”像素点连接成的边界,最终得到缺陷识别轮廓。在本发明实施例中,根据本发明实施例的方法得到的缺陷识别轮廓能够与实际缺陷轮廓较好地吻合。
根据本发明实施例提出的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,可以从漏磁信号的法向分量中衍生出漏磁信号水平分量和漏磁信号垂直分量的近似值,进而构建伪三维漏磁信号实现缺陷轮廓识别,相较于传统的一维漏磁信号缺陷轮廓识别,具有更高的求解精度和更好的识别效果。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,其特征在于,包括以下步骤:
获取待测试件,并从所述待测试件中选取识别区域,其中,所述识别区域内包含单个缺陷;
通过单轴磁传感器在扫描平面上扫描所述识别区域,得到所述识别区域内缺陷漏磁信号法向分量的检测数据,并对所述检测数据进行过滤处理,得到漏磁信号法向分量;
将所述漏磁信号法向分量沿水平方向进行差分变换操作,得到所述漏磁信号法向分量的水平差分信号,并通过所述水平差分信号与第一预设倍数相乘得到伪漏磁信号水平分量;
将所述漏磁信号法向分量沿垂直方向进行差分变换操作,得到所述漏磁信号法向分量的垂直差分信号,并通过所述垂直差分信号与第二预设倍数相乘得到伪漏磁信号垂直分量;
将所述漏磁信号法向分量、所述伪漏磁信号水平分量和所述伪漏磁信号垂直分量进行伪三维漏磁信号合成操作,得到合成漏磁信号;以及
选取预设阈值,以对所述合成漏磁信号进行二值化处理,并对二值化处理后得到的二值图像进行缺陷边缘连续性识别操作,得到缺陷识别轮廓。
2.根据权利要求1所述的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,其特征在于,所述待测试件包括油气管道和储罐底板,其中,在通过单轴磁传感器在扫描平面上扫描所述识别区域之前,还包括:
通过直流磁化场对所述待测试件进行饱和磁化处理。
3.根据权利要求1所述的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,其特征在于,所述伪漏磁信号水平分量对应的水平方向在所述扫描平面上沿所述待测试件的磁化方向,所述伪漏磁信号垂直分量对应的垂直方向在所述扫描平面上垂直于所述待测试件的磁化方向,所述漏磁信号法向分量对应的法线方向垂直于所述扫描平面,且所述水平方向、所述垂直方向和所述法线方向满足三维笛卡尔坐标系的右手定则。
4.根据权利要求1所述的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,其特征在于,所述将所述漏磁信号法向分量沿水平方向进行差分变换操作,进一步包括:获取满足第一预设条件的第一信号矩阵进行卷积运算,所述水平差分信号满足以下公式,所述公式为:
Dx=Gx*Bz,
其中,Dx为所述水平差分信号,Gx为算子模板,Bz为所述信号矩阵,*表示卷积运算。
5.根据权利要求4所述的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,其特征在于,所述将所述漏磁信号法向分量沿垂直方向进行差分变换操作,进一步包括:获取第二预设条件的第二信号矩阵进行卷积运算,所述垂直差分信号满足以下公式,所述公式为:
Dx=Gy*Bz。
6.根据权利要求4或5所述的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,其特征在于,所述算子模板为Prewitt算子模板或Sobel算子模板。
7.根据权利要求1所述的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,其特征在于,通过以下公式进行伪三维漏磁信号合成操作,所述公式为:
B(x,y)=Bx′(x,y)+abs[By′(x,y)]+abs[Bz(x,y)],
其中,B(x,y)为所述合成漏磁信号,Bx′(x,y)为所述伪漏磁信号水平分量,By′(x,y)为所述伪漏磁信号垂直分量,Bz(x,y)为所述漏磁信号法向分量,abs[·]表示取绝对值操作。
8.根据权利要求1所述的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,其特征在于,所述预设阈值处于所述合成漏磁信号的最大值的40%~60%之间。
9.根据权利要求1所述的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,其特征在于,所述对所述合成漏磁信号进行二值化处理,进一步包括:
将所述合成漏磁信号的区域划分为“0-1”区域,得到所述二值图像,其中,若所述合成漏磁信号的信号值小于所述预设阈值时,所述信号值所对应的区域为“0”区域,并在所述二值图像中显示为黑色;若所述合成漏磁信号的信号值大于或等于所述预设阈值时,所述信号值所对应的区域为“1”区域,并在所述二值图像中显示为白色。
10.根据权利要求9所述的基于法向分量的伪三维漏磁信号缺陷轮廓识别方法,其特征在于,所述对二值化处理后得到的二值图像进行缺陷边缘连续性识别操作,进一步包括:
沿所述水平方向依次提取所述二值图像中“1”区域的左边界和右边界,并将所述左边界与所述右边界水平连接后得到的连续区域作为最终识别的缺陷区域,其中,所述左边界和所述右边界分别是所述二值图像中“1”区域的水平方向上最左边的“1”像素点连接成的边界和最右边的“1”像素点连接成的边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710784842.4A CN107741454B (zh) | 2017-09-04 | 2017-09-04 | 基于法向分量的伪三维漏磁信号缺陷轮廓识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710784842.4A CN107741454B (zh) | 2017-09-04 | 2017-09-04 | 基于法向分量的伪三维漏磁信号缺陷轮廓识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107741454A true CN107741454A (zh) | 2018-02-27 |
CN107741454B CN107741454B (zh) | 2019-11-22 |
Family
ID=61235181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710784842.4A Active CN107741454B (zh) | 2017-09-04 | 2017-09-04 | 基于法向分量的伪三维漏磁信号缺陷轮廓识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107741454B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108615234A (zh) * | 2018-04-19 | 2018-10-02 | 清华大学 | 基于漏磁信号的缺陷轮廓反演方法 |
CN110889830A (zh) * | 2019-11-13 | 2020-03-17 | 河南科技大学 | 基于三维漏磁彩色成像的钢丝绳损伤检测方法及检测系统 |
CN111060587A (zh) * | 2019-12-13 | 2020-04-24 | 清华大学 | 漏磁检测探头姿态补偿方法及装置 |
CN111507177A (zh) * | 2020-02-19 | 2020-08-07 | 广西云涌科技有限公司 | 一种用于计量周转柜的识别方法及装置 |
CN113030243A (zh) * | 2021-03-22 | 2021-06-25 | 国网江苏省电力有限公司无锡供电分公司 | 面向成像的地上钢结构件腐蚀缺陷漏磁检测方法及系统 |
CN113030244A (zh) * | 2021-03-22 | 2021-06-25 | 国网江苏省电力有限公司无锡供电分公司 | 输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004037216A (ja) * | 2002-07-03 | 2004-02-05 | Jfe Steel Kk | 漏洩磁束探傷方法 |
CN1587785A (zh) * | 2004-07-15 | 2005-03-02 | 清华大学 | 管道腐蚀缺陷类型识别方法 |
CN104458895A (zh) * | 2014-12-08 | 2015-03-25 | 清华大学 | 管道三维漏磁成像检测方法及系统 |
-
2017
- 2017-09-04 CN CN201710784842.4A patent/CN107741454B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004037216A (ja) * | 2002-07-03 | 2004-02-05 | Jfe Steel Kk | 漏洩磁束探傷方法 |
CN1587785A (zh) * | 2004-07-15 | 2005-03-02 | 清华大学 | 管道腐蚀缺陷类型识别方法 |
CN104458895A (zh) * | 2014-12-08 | 2015-03-25 | 清华大学 | 管道三维漏磁成像检测方法及系统 |
Non-Patent Citations (3)
Title |
---|
J.AGUILA-MUÑOZ 等: "Crack detection in steel using a GMR-based MFL probe with radial magnetization", 《CONIELECOMP 2013,23RD INTERNATIONAL CONFERENCE ON ELECTRONICS COMMUNICATION AND COMPUTING》 * |
JUNSHAN GAO 等: "The Research of Defect Detection Test System Based on Magnetic Flux Leakage", 《PROCEEDINGS OF 2011 THE 6TH INTERNATIONAL FORUM ON STRATEGIC TECHNOLOGY》 * |
杜志叶 等: "Hilbert 变换在钢管漏磁检测缺陷定量化识别中的应用", 《电工技术学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108615234A (zh) * | 2018-04-19 | 2018-10-02 | 清华大学 | 基于漏磁信号的缺陷轮廓反演方法 |
CN110889830A (zh) * | 2019-11-13 | 2020-03-17 | 河南科技大学 | 基于三维漏磁彩色成像的钢丝绳损伤检测方法及检测系统 |
CN110889830B (zh) * | 2019-11-13 | 2023-03-24 | 河南科技大学 | 基于三维漏磁彩色成像的钢丝绳损伤检测方法及检测系统 |
CN111060587A (zh) * | 2019-12-13 | 2020-04-24 | 清华大学 | 漏磁检测探头姿态补偿方法及装置 |
CN111060587B (zh) * | 2019-12-13 | 2021-08-20 | 清华大学 | 漏磁检测探头姿态补偿方法及装置 |
CN111507177A (zh) * | 2020-02-19 | 2020-08-07 | 广西云涌科技有限公司 | 一种用于计量周转柜的识别方法及装置 |
CN111507177B (zh) * | 2020-02-19 | 2023-04-07 | 广西云涌科技有限公司 | 一种用于计量周转柜的识别方法及装置 |
CN113030243A (zh) * | 2021-03-22 | 2021-06-25 | 国网江苏省电力有限公司无锡供电分公司 | 面向成像的地上钢结构件腐蚀缺陷漏磁检测方法及系统 |
CN113030244A (zh) * | 2021-03-22 | 2021-06-25 | 国网江苏省电力有限公司无锡供电分公司 | 输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统 |
CN113030243B (zh) * | 2021-03-22 | 2023-08-01 | 国网江苏省电力有限公司无锡供电分公司 | 面向成像的地上钢结构件腐蚀缺陷漏磁检测方法及系统 |
CN113030244B (zh) * | 2021-03-22 | 2024-01-23 | 国网江苏省电力有限公司无锡供电分公司 | 输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107741454B (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107741454A (zh) | 基于法向分量的伪三维漏磁信号缺陷轮廓识别方法 | |
CN107808378B (zh) | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 | |
CN111145161B (zh) | 一种路面裂缝数字图像处理和识别的方法 | |
CN105352873B (zh) | 页岩孔隙结构的表征方法 | |
CN113989228A (zh) | 一种基于自注意力的彩色纹理织物缺陷区域的检测方法 | |
CN101799868B (zh) | 纸币机器视觉检测方法 | |
CN108921089A (zh) | 车道线检测方法、装置和系统及存储介质 | |
CN108416774A (zh) | 一种基于细粒度神经网络的织物种类识别方法 | |
CN107093175B (zh) | 一种动力电池焊接质量检测方法 | |
KR20140063574A (ko) | 조직 절편의 이미지를 제공하는 방법 | |
CN110288561A (zh) | 基于频率域滤波增强的耐火砖表面划痕识别方法 | |
CN103020609B (zh) | 复杂纤维图像的识别方法 | |
US11257301B2 (en) | Image analysis apparatus, image analysis method, and image analysis program | |
CN109685766A (zh) | 一种基于区域融合特征的布匹瑕疵检测方法 | |
CN109658391B (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
CN103914827A (zh) | 汽车密封条轮廓缺陷的视觉检测方法 | |
TWI536969B (zh) | 磁共振造影之白質病變區域識別方法及系統 | |
CN113887524B (zh) | 基于语义分割的磁铁矿显微图像分割方法 | |
CN103745231B (zh) | 小麦矮腥黑穗病tck及其近似种tct的冬孢子图像鉴定方法 | |
CN104197900A (zh) | 一种汽车仪表指针刻度识别方法 | |
CN109978872A (zh) | 基于白质纤维束的白质微结构特征筛选系统及方法 | |
WO2006087526A1 (en) | Apparatus and method for processing of specimen images for use in computer analysis thereof | |
CN111199194A (zh) | 基于机器视觉和深度学习的汽车智能座舱仪表测试方法 | |
CN115345876A (zh) | 一种基于超声图像的螺栓螺纹缺陷检测方法 | |
CN110108783B (zh) | 一种基于卷积神经网络的管道缺陷检测方法和装置 |
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 |