CN108982522B - 用于检测管道缺陷的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于检测管道缺陷的方法和装置。该方法的一具体实施方式包括：获取至少一个目标传感器采集到的、针对目标管道的电信号数据；对电信号数据执行预设操作，其中，预设操作包括滤波；基于执行预设操作后的电信号数据，生成对应的灰度图；响应于确定灰度图包括表征目标管道存在缺陷的区域，确定上述缺陷的类别和上述区域在灰度图中的位置。该实施方式实现了通过将采集到的、针对目标管道的电信号转换成灰度图，而后通过灰度图确定目标管道存在的缺陷的类别。

Description

用于检测管道缺陷的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于检测管道缺陷的方法和装置。

背景技术

在一些领域中，生产或输送过程中需要使用到管道。例如，石油行业，需要通过管道对石油进行输送。为了避免发生危险和造成损失，常常需要对管道的表面进行检测，进而判断管道表面存在的缺陷的类别。目前，一般通过以下两种方式对管道的表面进行检测。第一，首先通过传感器采集关于管道表面的数据，然后依靠技术人员对采集到的数据进行分析，进而判断出疑似缺陷的类别。第二，借助于专家系统，从传感器采集到的数据中提取疑似存在缺陷的数据，而后，通过技术人员对提取的数据进行分析。

发明内容

本申请实施例提出了用于检测管道缺陷的方法和装置。

第一方面，本申请实施例提供了一种用于检测管道缺陷的方法，该方法包括：获取至少一个目标传感器采集到的、针对目标管道的电信号数据；对电信号数据执行预设操作，其中，预设操作包括滤波；基于执行预设操作后的电信号数据，生成对应的灰度图；响应于确定灰度图包括表征目标管道存在缺陷的区域，确定上述缺陷的类别和上述区域在灰度图中的位置。

在一些实施例中，基于执行预设操作后的电信号数据，生成对应的灰度图，包括：基于执行预设操作后的电信号数据，执行图像插值，生成对应的灰度图。

在一些实施例中，响应于确定灰度图包括表征目标管道存在缺陷的区域，确定上述缺陷的类别和上述区域在灰度图中的位置，包括：将灰度图输入至预先训练的缺陷检测模型，得到表征目标管道存在缺陷的区域所指示的缺陷的类别和表征目标管道存在缺陷的区域在灰度图中的位置的位置信息，其中，缺陷检测模型用于指示灰度图和表征目标管道存在缺陷的区域所指示的缺陷的类别、表征目标管道存在缺陷的区域在灰度图中的位置之间的对应关系。

在一些实施例中，缺陷检测模型通过如下步骤训练得到：获取样本集，样本包括样本灰度图和样本标注信息，样本灰度图包括至少一个表征目标管道存在缺陷的区域，样本标注信息用于指示表征目标管道存在缺陷的区域所指示的缺陷的类别和指示目标管道存在缺陷的区域在样本灰度图中的位置；从所述样本集中选取样本，将选取的样本的样本灰度图和样本标注信息分别作为初始模型的输入和期望输出，训练得到缺陷检测模型。

在一些实施例中，初始模型包括深度卷积神经网络和分类器，深度卷积神经网络用于提取灰度图的特征。

第二方面，本申请实施例提供了一种用于检测管道缺陷的装置，该装置包括：获取单元，被配置成获取至少一个目标传感器采集到的、针对目标管道的电信号数据；执行单元，被配置成对电信号数据执行预设操作，其中，预设操作包括滤波；生成单元，被配置成基于执行预设操作后的电信号数据，生成对应的灰度图；确定单元，被配置成响应于确定灰度图包括表征目标管道存在缺陷的区域，确定上述缺陷的类别和上述区域在灰度图中的位置。

在一些实施例中，生成单元，进一步被配置成：基于执行预设操作后的电信号数据，执行图像插值，生成对应的灰度图。

在一些实施例中，确定单元，进一步被配置成：将灰度图输入至预先训练的缺陷检测模型，得到表征目标管道存在缺陷的区域所指示的缺陷的类别和表征目标管道存在缺陷的区域在灰度图中的位置的位置信息，其中，缺陷检测模型用于指示灰度图和表征目标管道存在缺陷的区域所指示的缺陷的类别、表征目标管道存在缺陷的区域在灰度图中的位置之间的对应关系。

在一些实施例中，确定单元，包括：获取单元，被配置成获取样本集，样本包括样本灰度图和样本标注信息，样本灰度图包括至少一个表征目标管道存在缺陷的区域，样本标注信息用于指示表征目标管道存在缺陷的区域所指示的缺陷的类别和指示目标管道存在缺陷的区域在样本灰度图中的位置；训练单元，被配置成从所述样本集中选取样本，将选取的样本的样本灰度图和样本标注信息分别作为初始模型的输入和期望输出，训练得到缺陷检测模型。

在一些实施例中，初始模型包括深度卷积神经网络和分类器，深度卷积神经网络用于提取灰度图的特征。

第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于检测管道缺陷的方法和装置，首先通过传感器采集针对目标管道的电信号数据，而后对采集到的电信号数据进行处理，进而生成灰度图。从而确定灰度图包括的表征存在缺陷的区域所指示的缺陷的类别和该区域在灰度图中的位置。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于检测管道缺陷的方法的一个实施例的流程图；

图3是根据本申请的用于检测管道缺陷的方法的一个应用场景的示意图；

图4是根据本申请的用于检测管道缺陷的方法的又一个实施例的流程图；

图5是根据本申请的用于检测管道缺陷的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于检测管道缺陷的方法或用于检测管道缺陷的装置的示例性架构100。

如图1所示，系统架构100可以包括传感器101、102、103，网络104，数据库服务器105和服务器106。网络104用以在传感器101、102、103、数据库服务器105和服务器106之间提供通信链路的介质。网络104可以包括各种连接类别，例如有线、无线通信链路或者光纤电缆等等。

传感器101、102、103可以通过网络104与数据库服务器105和服务器106交互，以接收或发送数据等。例如，传感器101、102、103可通过网络104将采集到的数据发送到数据库服务器105，进而将采集到的数据存储于数据库服务器105。例如，传感器101、102、103还可通过网络104将采集到的数据发送到服务器106。例如，服务器106可以通过网络104向传感器101、102、103发送指令，用于控制传感器101、102、103的采样频率、采样时间等。

传感器101、102、103通常包括敏感元件、转换元件、变换电路和辅助电源等。其中，敏感元件用于获取被检测物体的物理量。转换元件用于将敏感元件输出的物理量转换成电信号。变换电路用于对转换元件输出的电信号进行处理(例如将电信号放大)，以及将处理后的电信号输出给其他设备(例如数据库服务器105和服务器106)。辅助电源可以为敏感元件、转换元件和变换电路等提供电源。需要说明的是，传感器101、102、103可以包括任意数目的敏感元件、转换元件、变换电路和辅助电源。

服务器106可以直接获取传感器101、102、103采集到的电信号数据，而后提供各种服务。例如，对获取的电信号数据进行处理(如滤波)。例如，将处理结果推送给通信连接的终端设备(图中未示出)。服务器106还可以获取数据库服务器105预先存储的电信号数据。需要说明的是，传感器101、102、103采集到的电信号数据也可以直接存储在服务器106的本地，服务器106可以直接提取本地所存储的电信号数据并进行处理，此时，可以不存在数据库服务器105。

服务器(如服务器106和数据库服务器105)可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于检测管道缺陷的方法一般由服务器106执行，相应地，用于检测管道缺陷的装置方法一般设置于服务器106中。

应该理解，图1中的传感器、网络、数据库服务器和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的传感器、网络、数据库服务器和服务器。

继续参考图2，示出了根据本申请的用于检测管道缺陷的方法的一个实施例的流程200。该用于检测管道缺陷的方法包括以下步骤：

步骤201，获取至少一个目标传感器采集到的、针对目标管道的电信号数据。

在本实施例中，用于检测管道缺陷的方法的执行主体(如图1所示的服务器106)可以通过有线或者无线的方式，从通信连接的目标传感器(如图1所示的传感器101、102、103)获取针对目标管道的电信号数据。其中，电信号可以包括以下至少一项：电压信号、电流信号等。目标管道可以是技术人员指定的待检测管道。实践中，目标管道可以用于输送液体或者气体。目标传感器通常由技术人员指定，放置于目标管道的内表面，用于采集电信号。实践中，可以在目标管道的周围施加恒定电场或者磁场。如果目标传感器采集范围内的目标管道的表面发生缺陷，目标传感器采集到的电信号会发生变化。实践中，目标管道的内表面放置有多个目标传感器，从而可以采集到针对目标管道的不同部位的电信号。

步骤202，对电信号数据执行预设操作。

在本实施例中，上述执行主体可以对目标传感器采集到的电信号数据执行预设操作，进而去除噪声信号。其中，预设操作包括滤波。实践中，上述执行主体可以通过各种方法对采集到的电信号数据进行滤波。作为示例，上述执行主体可以通过一阶滞后滤波法进行滤波。作为又一示例，上述执行主体还可以通过互补滤波法进行滤波。需要说明的是，上述一阶滞后滤波和互补滤波是目前广泛研究和应用的公知技术，在此不再赘述。

步骤203，基于执行预设操作后的电信号数据，生成对应的灰度图。

在本实施例中，上述执行主体可以基于执行预设操作后的电信号数据，生成对应的灰度图。实践中，多个目标传感器位于目标管道的内表面的不同位置。由此，上述执行主体可以将采集到的电信号的值与这些目标传感器所在的位置进行对应。例如，目标传感器A、B分别处于目标管道的内表面的不同位置，以及采集到的电压值分别为v1和v2。如果将目标传感器A所处的位置作为坐标原点，上述执行主体可以根据目标传感器A、B之间的相对位置，确定出目标传感器B的坐标(x,y)。从而，上述执行主体可以将v2作为坐标(x,y)所对应的电压值。

在本实施例中，上述执行主体可以将确定出的坐标(例如(x,y))所指示的点确定为像素点。而后，上述执行主体可以将确定出的坐标对应的电信号的值(例如v2)进行处理，进而将得到的结果值作为像素点的像素值。例如，上述执行主体可以将采集到的电信号的值进行归一化处理，然后，再将归一化处理后的结果值映射到像素值所在的范围(例如(0，255))，从而得到像素点的像素值。

可以理解，确定出这些像素点和像素点的像素值之后，上述执行主体可以生成对应的灰度图。

在本实施例的一些可选的实现方式中，基于执行预设操作后的电信号数据，生成对应的灰度图，包括：基于执行预设操作后的电信号数据，执行图像插值，生成对应的灰度图。

在这些实现方式中，在确定出这些像素点和像素点的像素值之后，上述执行主体可以通过各种方法进行图像插值，进而确定新的像素点和新的像素点的像素值，生成对应的灰度图。例如，上述执行主体可以通过双线性插值算法、双三次插值算法等进行图像插值。

步骤204，响应于确定灰度图包括表征目标管道存在缺陷的区域，确定上述缺陷的类别和上述区域在灰度图中的位置。

在本实施例中，响应于确定灰度图包括表征目标管道存在缺陷的区域，上述执行主体可以进一步确定该缺陷的类别和表征存在该缺陷的区域在灰度图中的位置。

作为示例，上述执行主体可以预先存储有表征目标管道的表面存在缺陷的灰度图，并且，这些灰度图预先标注好缺陷的类别和表征存在缺陷的区域在灰度图中的位置。由此，上述执行主体可以将生成的灰度图到本地进行匹配。若存在相似度大于预设阈值(例如95％)的灰度图，则可以确定上述生成的灰度图包括表征目标管道存在缺陷的区域。从而，上述执行主体可以将匹配出的灰度图所标注的类别和位置，确定为上述生成的灰度图对应的缺陷的类别和表征存在该缺陷的区域在灰度图中的位置。

作为示例，上述执行主体还可以将生成的灰度图到通信连接的数据库进行匹配。

继续参见图3，图3是根据本实施例的用于检测管道缺陷的方法的应用场景的一个示意图。在图3的应用场景中，传感器C、D、E和F分别位于管道301的内表面的不同位置。传感器C、D、E和F采集到的电压值分别为v1、v2、v3和v4。当服务器300从目标传感器C、D、E和F获取到电压信号数据302(包括电压值v1、v2、v3和v4)，可以将电压信号数据302进行滤波等操作，以去除噪声信号，得到电压信号数据303。

另外，服务器300可以将管道301的内表面的位置P映射到直角坐标系305的原点。然后，根据传感器C、D、E和F所处的位置与位置P的相对关系，将目标传感器C、D、E和F所处的位置分别映射到直角坐标系305中。从而，服务器300可以对电压信号数据303进行归一化处理，然后再映射到像素值的范围(0,255)。这样，就可以得到目标传感器C、D、E和F所处的位置映射到直角坐标系305中的坐标点对应的像素值。由此，服务器300可以将目标传感器C、D、E和F所处的位置映射到直角坐标系305中的坐标点确定为像素点，将对应的像素值确定为像素点的像素值。

以目标传感器C为例，从目标管道301的平面图304可以看出，目标传感器C所处的位置与位置P在水平方向和垂直方向的距离分别为m、n。从而，服务器300可以将数值m和n按比例放大或缩小，得到目标传感器C所处的位置映射到直角坐标系305中的坐标(m1,n1)。电压信号数据303经过归一化、映射到像素值的范围之后，电压值v1对应的像素值为v1’。也就是说，坐标为(m1,n1)的像素点的像素值为v1’。

在确定了所有的像素点和像素点的像素值之后，服务器300可以生成灰度图306。由于，服务器300预先存储有至少一个包括表征目标管道301存在缺陷的区域的灰度图。另外，技术人员对这些灰度图预先进行标注，即标注缺陷的类别和包括表征存在这些缺陷的区域在灰度图中的位置。因此，服务器300可以将灰度图306到预先存储的至少一个灰度图中进行匹配，进而确定出与灰度图306的相似度大于预设阈值的灰度图307。从而，根据灰度图307所标注的缺陷的类别和表征存在该缺陷的区域在灰度图307中的位置，服务器300可以确定目标管道301存在的缺陷的类别(如图3所示的类别A)，以及，表征存在该缺陷的区域在灰度图306中的位置(如标注框308)。

本申请的上述实施例提供的方法，首先对目标传感器采集到的、针对目标管道的电压信号数据进行预设操作。然后，对执行预设操作后的电压信号数据进行图像重建，生成灰度图。进一步，可以确定灰度图中的表征目标管道存在缺陷的区域在灰度图中的位置和该缺陷的类别。该方法通过生成针对目标管道的灰度图，进而确定目标管道存在的缺陷的类别。

进一步参考图4，其示出了用于检测管道缺陷的方法的又一个实施例的流程400。该用于检测管道缺陷的方法的流程400，包括以下步骤：

步骤401，获取至少一个目标传感器采集到的、针对目标管道的电信号数据。

步骤402，对电信号数据执行预设操作。

步骤403，基于执行预设操作后的电信号数据，生成对应的灰度图。

上述步骤401-403的具体处理及其所带来的技术效果可以参考图2对应的实施例中的步骤201-203，在此不再赘述。

步骤404，将灰度图输入至预先训练的缺陷检测模型，得到表征目标管道存在缺陷的区域所指示的缺陷的类别和表征目标管道存在缺陷的区域在灰度图中的位置的位置信息。

在本实施例中，用于检测管道缺陷的方法的执行主体(如图1所示的服务器106)可以将生成的灰度图输入至预先训练的缺陷检测模型，进而得到表征目标管道存在缺陷的区域所指示的缺陷的类别和表征目标管道存在缺陷的区域在灰度图中的位置的位置信息。其中，缺陷检测模型用于指示灰度图和表征目标管道存在缺陷的区域所指示的缺陷的类别、表征目标管道存在缺陷的区域在灰度图中的位置之间的对应关系。例如，缺陷检测模型可以是表征上述对应关系的表。

在本实施例的一些可选的实现方式中，缺陷检测模型可以通过如下步骤训练得到。需要说明的是，训练缺陷检测模型的执行主体与用于检测管道缺陷的方法的执行主体可以相同，也可以不同。

第一步，获取样本集。其中，样本包括样本灰度图和样本标注信息。样本灰度图包括至少一个表征目标管道存在缺陷的区域。样本标注信息用于指示表征目标管道存在缺陷的区域所指示的缺陷的类别和指示目标管道存在缺陷的区域在样本灰度图中的位置。

在这些实现方式中，训练缺陷检测模型的执行主体可以预先存储有样本灰度图和样本标注信息。由此，训练缺陷检测模型的执行主体可以直接从本地获取样本作为样本集。另外，训练缺陷检测模型的执行主体还可以从通信连接的数据库服务器获取样本作为样本集。

第二步，从样本集中选取样本，将选取的样本的样本灰度图和样本标注信息分别作为初始模型的输入和期望输出，训练得到缺陷检测模型。

初始模型可以包括深度卷积神经网络和分类器。其中，深度卷积神经网络用于提取灰度图的特征。分类器用于根据提取到的特征，进行分类，例如，根据提取到的、灰度图包括的、至少一个表征目标管道存在缺陷的区域的特征，分别对这些区域所指示的缺陷进行分类。

训练缺陷检测模型的执行主体可以通过各种算法(例如Selective Search算法、Edge Boxes算法)从样本灰度图中确定出至少一个候选区域(例如包括表征目标管道存在缺陷的区域)。另外，训练缺陷检测模型的执行主体还可以将样本灰度图输入至上述深度卷积神经网络，进而提取样本灰度图的特征(例如表征目标管道存在缺陷的区域的特征)，得到特征图。然后，训练缺陷检测模型的执行主体可以通过SVM(Support Vector Machines，支持向量机)分类器、Softmax分类器等，根据上述至少一个候选区域的特征，进行分类。可以理解，分类后的至少一个候选区域包括表征目标管道存在缺陷的区域。进一步，训练缺陷检测模型的执行主体可以将分类后的样本灰度图与对应的样本标注信息进行比较，确定出表征目标管道存在缺陷的候选区域和这些候选区域所指示的缺陷的类别。在这里，表征目标管道存在缺陷的区域在样本灰度图中的位置的位置信息，可以是候选区域的边框，也可以是候选区域的边框的顶点的坐标。

在这些实现方式中，响应于上述比较结果的误差大于或等于预设误差阈值，训练缺陷检测模型的执行主体可以调整初始模型的相关参数，然后，从样本集中选取未使用过的样本，继续执行上述训练步骤。其中，比较结果的误差包括以下至少一项：缺陷的类别的判断误差；表征目标管道存在缺陷的候选区域的位置和样本标注信息所指的位置之间的误差。实践中，训练缺陷检测模型的执行主体可以调整候选区域的位置，然后，通过BP(BackPropagation，反向传播)算法、SGD(Stochastic Gradient Descent，随机梯度下降)算法等调整初始模型的相关参数。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于检测管道缺陷的方法的流程400突出了通过缺陷检测模型确定目标管道存在的缺陷的类别的步骤。由此，本实施例描述的方案可以通过预先训练缺陷检测模型，而后，将生成的灰度图输入至缺陷检测模型，从而确定目标管道存在的缺陷的类别。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了用于检测管道缺陷的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例提供的用于检测管道缺陷的装置500包括获取单元501、执行单元502、生成单元503和确定单元504。其中，获取单元501，可以被配置成获取至少一个目标传感器采集到的、针对目标管道的电信号数据；执行单元502，可以被配置成对电信号数据执行预设操作，其中，预设操作包括滤波；生成单元503，可以被配置成基于执行预设操作后的电信号数据，生成对应的灰度图；确定单元504，可以被配置成响应于确定灰度图包括表征目标管道存在缺陷的区域，确定上述缺陷的类别和上述区域在灰度图中的位置。

在本实施例的一些可选的实现方式中，生成单元503，可以进一步被配置成：基于执行预设操作后的电信号数据，执行图像插值，生成对应的灰度图。

在本实施例的一些可选的实现方式中，确定单元504，可以进一步被配置成：将灰度图输入至预先训练的缺陷检测模型，得到表征目标管道存在缺陷的区域所指示的缺陷的类别和表征所述目标管道存在缺陷的区域在灰度图中的位置的位置信息，其中，缺陷检测模型用于指示灰度图和表征目标管道存在缺陷的区域所指示的缺陷的类别、表征目标管道存在缺陷的区域在灰度图中的位置之间的对应关系。

在本实施例的一些可选的实现方式中，确定单元504包括获取单元(图中未示出)和训练单元(图中未示出)。其中，获取单元可以被配置成获取样本集，样本包括样本灰度图和样本标注信息，样本灰度图包括至少一个表征目标管道存在缺陷的区域，样本标注信息用于指示表征目标管道存在缺陷的区域所指示的缺陷的类别和指示目标管道存在缺陷的区域在样本灰度图中的位置；训练单元可以被配置成从所述样本集中选取样本，将选取的样本的样本灰度图和样本标注信息分别作为初始模型的输入和期望输出，训练得到缺陷检测模型。

在本实施例的一些可选的实现方式中，初始模型包括深度卷积神经网络和分类器，深度卷积神经网络用于提取灰度图的特征。

本申请的上述实施例提供的装置，通过获取单元501获取至少一个目标传感器采集到的、针对目标管道的电信号数据。而后，通过执行单元502对获取单元501获取的数据进行处理。进而，生成单元503可以根据处理后的数据，生成灰度图。从而，可以通过确定单元504确定出灰度图包括的表征目标管道存在缺陷的区域，以及上述缺陷的类别和上述区域在灰度图中的位置。

下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括获取单元、执行单元、生成单元和确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取至少一个目标传感器采集到的、针对目标管道的电信号数据的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的服务器中所包含的；也可以是单独存在，而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该服务器执行时，使得该服务器：获取至少一个目标传感器采集到的、针对目标管道的电信号数据；对电信号数据执行预设操作，其中，预设操作包括滤波；基于执行预设操作后的电信号数据，生成对应的灰度图；响应于确定灰度图包括表征所述目标管道存在缺陷的区域，确定上述缺陷的类别和上述区域在灰度图中的位置。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种用于检测管道缺陷的方法，包括：

获取至少两个目标传感器采集到的、针对目标管道的电信号数据；

对所述电信号数据执行预设操作，其中，所述预设操作包括滤波；

基于执行预设操作后的电信号数据，生成对应的灰度图，包括：根据至少两个目标传感器之间的相对位置关系，确定所述灰度图中的像素点；根据各像素点对应的电信号的值，确定各像素点的像素值；根据各像素点以及各像素点的像素值，生成所述灰度图；

响应于确定所述灰度图包括表征所述目标管道存在缺陷的区域，确定所述缺陷的类别和所述区域在所述灰度图中的位置，包括：将所述灰度图输入至预先训练的缺陷检测模型，得到表征所述目标管道存在缺陷的区域所指示的缺陷的类别和表征所述目标管道存在缺陷的区域在所述灰度图中的位置的位置信息，其中，所述缺陷检测模型用于指示灰度图和表征目标管道存在缺陷的区域所指示的缺陷的类别、表征目标管道存在缺陷的区域在灰度图中的位置之间的对应关系。

2.根据权利要求1所述的方法，其中，所述基于执行预设操作后的电信号数据，生成对应的灰度图，包括：

基于执行预设操作后的电信号数据，执行图像插值，生成对应的灰度图。

3.根据权利要求1所述的方法，其中，所述缺陷检测模型通过如下步骤训练得到：

获取样本集，样本包括样本灰度图和样本标注信息，样本灰度图包括至少一个表征目标管道存在缺陷的区域，样本标注信息用于指示表征目标管道存在缺陷的区域所指示的缺陷的类别和指示目标管道存在缺陷的区域在样本灰度图中的位置；

从所述样本集中选取样本，将选取的样本的样本灰度图和样本标注信息分别作为初始模型的输入和期望输出，训练得到缺陷检测模型。

4.根据权利要求3所述的方法，其中，所述初始模型包括深度卷积神经网络和分类器，所述深度卷积神经网络用于提取灰度图的特征。

5.一种用于检测管道缺陷的装置，包括：

获取单元，被配置成获取至少两个目标传感器采集到的、针对目标管道的电信号数据；

执行单元，被配置成对所述电信号数据执行预设操作，其中，所述预设操作包括滤波；

生成单元，被配置成基于执行预设操作后的电信号数据，生成对应的灰度图，包括：根据至少两个目标传感器之间的相对位置关系，确定所述灰度图中的像素点；根据各像素点对应的电信号的值，确定各像素点的像素值；根据各像素点以及各像素点的像素值，生成所述灰度图；

确定单元，被配置成响应于确定所述灰度图包括表征所述目标管道存在缺陷的区域，确定所述缺陷的类别和所述区域在所述灰度图中的位置，包括：将所述灰度图输入至预先训练的缺陷检测模型，得到表征所述目标管道存在缺陷的区域所指示的缺陷的类别和表征所述目标管道存在缺陷的区域在所述灰度图中的位置的位置信息，其中，所述缺陷检测模型用于指示灰度图和表征目标管道存在缺陷的区域所指示的缺陷的类别、表征目标管道存在缺陷的区域在灰度图中的位置之间的对应关系。

6.根据权利要求5所述的装置，其中，所述生成单元，进一步被配置成：

基于执行预设操作后的电信号数据，执行图像插值，生成对应的灰度图。

7.根据权利要求5所述的装置，其中，所述确定单元，包括：

获取单元，被配置成获取样本集，样本包括样本灰度图和样本标注信息，样本灰度图包括至少一个表征目标管道存在缺陷的区域，样本标注信息用于指示表征目标管道存在缺陷的区域所指示的缺陷的类别和指示目标管道存在缺陷的区域在样本灰度图中的位置；

训练单元，被配置成从所述样本集中选取样本，将选取的样本的样本灰度图和样本标注信息分别作为初始模型的输入和期望输出，训练得到缺陷检测模型。

8.根据权利要求7所述的装置，其中，所述初始模型包括深度卷积神经网络和分类器，所述深度卷积神经网络用于提取灰度图的特征。

9.一种服务器，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。

Images