CN110082424B - 一种快速管道漏磁数据多尺度异常区域推荐系统及方法 - Google Patents

Abstract

本发明提供一种快速管道漏磁数据多尺度异常区域推荐系统及方法，涉及管道检测技术领域。本发明步骤如下：步骤1：获取一段管道的漏磁信号，并将其进行多尺度窗体划分，对N个尺度层级进行异常边缘提取，得到异常窗体集合；步骤2：对异常窗体集合进行异常区域估计，得到异常估计集合；步骤3：边界精确；根据异常估计集合，将W^k″中的所有窗体进行相邻窗体的面积比，遍历异常估计集合W″，去除面积比小于λ的窗体，并选取当前集合内交叠窗体中最外围窗体作为异常推荐区域；该方法能够发现尺寸较大，信号明显的异常，同时能够发现较小的异常，能够提供充分的异常候选区域；具有明显的快速性，特别适应管道庞大的数据集。

Description

一种快速管道漏磁数据多尺度异常区域推荐系统及方法

技术领域

本发明涉及管道检测技术领域，尤其涉及一种快速管道漏磁数据多尺度异常区域推荐系统及方法。

背景技术

管道运输以其高效率以及安全可靠的特点，与铁路、公路，水路和航空并称五大运输方式。随着管道在役时间的增长，因管道材质问题、外损伤以及介质腐蚀的影响，管道状况逐渐恶化，存在潜在的破损和泄漏风险。一旦发生泄漏，不但会造成大气污染，也极易引发剧烈爆炸。2011年渤海湾发生溢油事故，根据国家海洋局统计该事故泄漏原油385立方米，共造成5500平方公里海水污染。因此，为了确保能源运输和生态环境安全，必须对管道定期进行安检和维护。

无损检测(Non-destructive testing,NDT)作为管道安全维护的一种重要手被广泛应用。其中，漏磁检测作为无损检测方法的一种被广泛应用于接近90％的在役管道中。一个完整的漏磁数据分析过程包括5个部分，即：数据预处理、异常区域推荐、异常识别、缺陷尺寸反估计和缺陷安全评估。数据预处理部分完成原始数据的基值校正的滤波；异常区域推荐部分获得异常区域的位置；异常识别部分完成对异常位置的分类识别，如缺陷，阀门、仪表等；缺陷尺寸估计部分实现缺陷信号到尺寸的映射，而缺陷安全评估部分是计算缺陷的安全等级，确定是否需要维修。

异常区域推荐是漏磁数据分析流程中关键且有挑战的问题。一个良好的异常区域推荐算法不但具备位置准确性和边缘准确性，同时要具备快速能力。在实际应用中，针对异常区域的推荐都是基于传统穷举搜索算法，没有考虑候选区域采样问题对算法效率的影响，搜索空间的巨大最终浪费大量时间。同时，受噪声影响，微小异常很容易发生漏检。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种快速管道漏磁数据多尺度异常区域推荐系统及方法，本发明具有明显的快速性，特别适应管道庞大的数据集。

为解决上述技术问题，本发明所采取的技术方案是：

一方面，本发明提供一种快速管道漏磁数据多尺度异常区域推荐系统，包括输入输出模块、多尺度窗体划分模块、异常区域估计模块、边界精确模块；

所述输入输出模块用于输入漏磁信号和输出管道异常的目标位置区域，将漏磁信号输出至多尺度窗体划分模块；

所述多尺度窗体划分模块用于完成多尺度候选异常窗体的获取，并将异常窗体输出至异常区域估计模块；

所述异常区域估计模块用于估计异常区域位置，得到异常估计集合，并将该集合输出至边界精确模块；

所述边界精确模块用于对异常估计集合中每个窗体的边界进行详细刻画，得到异常推荐区域，将异常推荐区域进行合并后输出至输入输出模块。

另一方面，本发明提供一种快速管道漏磁数据多尺度异常区域推荐方法，通过所述的一种快速管道漏磁数据多尺度异常区域推荐系统实现，包括如下步骤：

步骤1：获取一段管道的漏磁信号D，并将其进行多尺度窗体划分，划分为N个尺度层级L₁,L₂,...L_N，对N个尺度层级进行异常边缘提取，得到异常窗体集合W＝{W¹，W²，...，W^k，…W^N}；其中，

为第k个尺度层级下窗体集合，b为第k个尺度层级包含的窗体数；

步骤2：对步骤1得到的异常窗体集合进行异常区域估计，得到异常估计集合W″＝{W^1″，W^2″，...，W^k″，…W^N″}；

步骤2.1：将异常窗体集合中的窗体进行预处理，所述预处理为去除边界未闭合窗体，得到处理后异常窗体集合W′＝{W^1′，W^2′，...，W^k′，…W^N′}；

步骤2.2：对异常窗体集合W′进行得分估计；对于异常区域而言，会有多个窗体套叠在一起，形成多个“回”字形，每一个窗体都对应一个度量窗体交叠程度的值S(W^k′)，遍历异常窗体集合W′，计算每一个窗体的窗体交叠程度值，将窗体交叠程度值等效为异常窗体的得分，公式如下：

其中，W^k′表示当前窗体，m为当前窗体内部包含的等高线窗体数目；

分别表示第k个窗体内的窗体数目和第k个窗体外的窗体数目；

步骤2.3：异常区域的获取，选取出窗体的得分大于σ的窗体为异常窗体，其中0≤σ≤1，且判断同一尺度层级下是否存在并列窗体，若存在则将该尺度下的并列窗体全部删除，得到异常估计集合W″＝{W^1″，W^2″，...，W^k″，…W^N″}；

步骤3：边界精确；根据步骤2中得到的异常估计集合W″＝{W^1″，W^2″，...，W^k″，…W^N″}，将W^k″中的所有窗体进行相邻窗体的面积比，遍历异常估计集合W″，去除面积比小于λ的窗体，其中0≤λ≤1，并选取当前集合内交叠窗体中最外围窗体作为异常推荐区域；

面积比的公式如下：

其中，

为第k个尺度层级下第h-1窗体和第h窗体的面积比；||*||表示窗体面积，即窗体包含的数据点个数；

分别代表第k个尺度层级下的第h-1窗体和第h窗体；

所述步骤1的具体步骤如下：

步骤1.1：对于一段管道漏磁信号D，将漏磁信号D的最小值和最大值之间划分N个尺度层级L₁,L₂,...L_N，则第k个尺度层级的数值大小为：

步骤1.2：对于尺度层级k，将该尺度层级的数值L_k与当前漏磁信号D做切片处理，得到二值矩阵D^k，即：

其中D_i,j是管道漏磁信号D中第i行、第j列的数据点；

步骤1.3：对二值矩阵D^k进行异常边缘提取。

步骤1.3.1：建立两个正交方向的模板：水平模板fx和竖直模板fy，即：fy＝[-11]；fx＝fy^T，fx表示fy的转置。

步骤1.3.2：利用上述的水平模板fx和竖直模板fy对二值矩阵D^k分别进行两个方向的滤波，得到滤波后的二值矩阵D^k,x和D^k,y；二值矩阵D^k的边缘矩阵为E^k：

步骤1.3.3：获取异常边缘，然后将异常边缘规则化形成矩形窗体，得到当前尺度层级异常窗体集合W^k；

步骤1.4：重复步骤1.1至步骤1.3，获得所有尺度层级的异常窗体集合W＝{W¹，W²，...，W^k，…W^N}。

采用上述技术方案所产生的有益效果在于：本发明提供的一种快速管道漏磁数据多尺度异常区域推荐系统及方法，通过对漏磁数据进行多尺度划分，进而得到多尺度下窗体组合，通过对窗体的系列删除和合并行为，最终得到异常候选区域。本发明从多尺度角度出发，对数据进行多个数据层级的异常提取，提取过程体现了由粗到细，相比于一般的异常提取算法，本发明不但能够发现尺寸较大，信号明显的异常，同时能够发现较小的异常，能够提供充分的异常候选区域；本发明是针对多尺度窗体进行处理，将信号特征用窗体表示，最终确定目标，相比于一般的完全基于信号的异常提取算法，该发明具有明显的快速性，特别适应管道庞大的数据集。

附图说明

图1为本发明实施例提供的快速管道漏磁数据多尺度异常区域推荐系统框图；

图2为本发明实施例提供的快速管道漏磁数据多尺度异常区域推荐方法流程图；

图3为本发明实施例提供的漏磁数据示意图；

图4为本发明实施例提供的多尺度切片划分示意图；

图5为本发明实施例提供的多尺度异常边缘示意图；

图6为本发明实施例提供的多尺度异常边缘规则化示意图；

图7为本发明实施例提供的分数估计窗体示意图；

图8为本发明实施例提供的最大包含关系组合窗体示意图；

图9为本发明实施例提供的边界精确窗体示意图；

图10为本发明实施例提供的最大外围窗体示意图；

图11为本发明实施例提供的缺陷信号目标区域示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本实施例如下所述。

一方面，本发明提供一种快速管道漏磁数据多尺度异常区域推荐系统，如图1所示，包括输入输出模块、多尺度窗体划分模块、异常区域估计模块、边界精确模块；

所述输入输出模块用于输入漏磁信号和输出管道异常的目标位置区域，将漏磁信号输出至多尺度窗体划分模块；

所述多尺度窗体划分模块用于完成多尺度候选异常窗体的获取，并将异常窗体输出至异常区域估计模块；

所述异常区域估计模块用于估计异常区域位置，得到异常估计集合，并将该集合输出至边界精确模块。

所述边界精确模块用于对异常估计集合中每个窗体的边界进行详细刻画，得到异常推荐区域，将异常推荐区域进行合并后输出至输入输出模块。

另一方面，本发明提供一种快速管道漏磁数据多尺度异常区域推荐方法，通过所述的一种快速管道漏磁数据多尺度异常区域推荐系统实现，如图2所示，包括如下步骤：

步骤1：获取一段管道的漏磁信号D，并将其进行多尺度窗体划分，划分为N个尺度层级L₁,L₂,...L_N，对N个尺度层级进行异常边缘提取，得到异常窗体集合W＝{W¹，W²，...，W^k，…W^N}。其中，

为第k个尺度层级下窗体集合，b为第k个尺度层级包含的窗体数；

本实施例中N＝40；

步骤1.1：对于一段管道漏磁信号D，如图3所示，将漏磁信号D的最小值和最大值之间划分N个尺度等级L₁,L₂,...L_N，则第k个尺度级的数值大小为：

本实施例中将管道漏磁信号D划分为40个尺度等级；

步骤1.2：对于尺度等级k，将该尺度等级的数值L_k与当前漏磁信号D做切片处理，如图4所示，得到二值矩阵D^k，即：

其中D_i,j是管道漏磁信号D中第i行、第j列的数据点；

步骤1.3：对二值矩阵D^k进行异常边缘提取。

步骤1.3.1：建立两个正交方向的模板：水平模板fx和竖直模板fy，即：fy＝[-11]；fx＝fy^T，fx表示fy的转置。

步骤1.3.2：利用上述的水平模板fx和竖直模板fy对二值矩阵D^k分别进行两个方向的滤波，得到滤波后的二值矩阵D^k,x和D^k,y；二值矩阵D^k的边缘矩阵为E^k：

步骤1.3.3：获取异常边缘，如图5所示，然后将异常边缘规则化形成矩形窗体，如图6所示，得到当前尺度集异常窗体集合W^k。

步骤1.4：重复步骤1.1至步骤1.3，获得所有尺度等级的异常窗体集合W＝{W¹，W²，...，W^k，…W^N}。

步骤2：是对步骤1得到的异常窗体集合进行异常区域估计，得到异常估计集合W″＝{W^1″，W^2″，...，W^k″，…W^N″}。

步骤2.1：将异常窗体集合中的窗体进行预处理，所述预处理为去除边界未闭合窗体，得到处理后异常窗体集合W′＝{W^1′，W^2′，...，W^k′，…W^N′}；我们定义，一个异常窗体存在的充要条件是：异常边缘点能够构成首尾相连接的闭合区域。

步骤2.2：对异常窗体集合W′进行得分估计；实际中，源数据经过多个尺度层级划分后，对于异常区域而言，会有多个窗体套叠在一起，形成多个“回”字形。因此，为了表征这一特性，每一个窗体都对应一个度量窗体交叠程度的值S(W^k′)，遍历异常窗体集合W′，计算每一个窗体的窗体交叠程度值，将窗体交叠程度值等效为异常窗体的得分，公式如下：

其中，W^k′表示当前窗体，m为当前窗体内部包含的等高线窗体数目；

分别表示第k个窗体内的窗体数目和第k个窗体外的窗体数目。

步骤2.3：异常区域的获取，选取出窗体的得分大于σ的窗体为异常窗体，其中0≤σ≤1，如图7所示，且判断同一尺度层级下是否存在并列窗体，若存在则将该尺度下的并列窗体全部删除，如图8所示，得到异常估计集合W″＝{W^1″，W^2″，...，W^k″，…W^N″}；

本实施例中σ＝0.7；

选取最大包含关系组合窗体，去除干扰窗体，即：每一个窗体内部如果存在窗体，则内部的窗体必须属于完全包含关系。

步骤3：边界精确；如图9所示，根据步骤2中得到的异常估计集合W″＝{W^1″，W^2″，...，W^k″，…W^N″}，将集合中的每个经过上述步骤，对于任意一个目标区域而言，会有多个窗体覆盖，为了获得精确边界，我们提出了空间相关比，来衡量相邻窗体的面积比，将W^k″中的所有窗体进行相邻窗体的面积比，遍历异常估计集合W″，去除面积比小于λ的窗体，其中0≤λ≤1，本实施例中λ＝0.5；并选取去除面积比小于λ的窗体后的集合内交叠窗体中最外围窗体作为异常推荐区域，如图10所示；

面积比的公式如下：

其中，

为第k个尺度层级下第h-1窗体和第h窗体的面积比；||*||表示窗体面积，即窗体包含的数据点个数；

分别代表第k个尺度层级下的第h-1窗体和第h窗体；

本实施例中为漏磁信号缺陷，漏磁信号缺陷会产生三个漏磁信号区域窗体，中间窗体对应峰位置，两侧窗体对应谷位置，将三个窗体进行合并处理，得到最终目标位置区域，如图11所示；

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (1)

1.一种快速管道漏磁数据多尺度异常区域推荐系统，其特征在于：包括输入输出模块、多尺度窗体划分模块、异常区域估计模块、边界精确模块；

所述输入输出模块用于输入漏磁信号和输出管道异常的目标位置区域，将漏磁信号输出至多尺度窗体划分模块；

所述多尺度窗体划分模块用于完成多尺度候选异常窗体的获取，并将异常窗体输出至异常区域估计模块；

所述异常区域估计模块用于估计异常区域位置，得到异常估计集合，并将该集合输出至边界精确模块；

所述边界精确模块用于对异常估计集合中每个窗体的边界进行详细刻画，得到异常推荐区域，将异常推荐区域进行合并后输出至输入输出模块；

所述一种快速管道漏磁数据多尺度异常区域推荐系统，用于实现一种快速管道漏磁数据多尺度异常区域推荐方法，包括如下步骤：

步骤1：获取一段管道的漏磁信号D，并将其进行多尺度窗体划分，划分为N个尺度层级L₁,L₂,...L_N，对N个尺度层级进行异常边缘提取，得到异常窗体集合W＝{W¹，W²，...，W^k，…W^N}；其中，

为第k个尺度层级下窗体集合，b为第k个尺度层级包含的窗体数；

所述步骤1的具体步骤如下：

步骤1.1：对于一段管道漏磁信号D，将漏磁信号D的最小值和最大值之间划分N个尺度层级L₁,L₂,...L_N，则第k个尺度层级的数值大小为：

步骤1.2：对于尺度层级k，将该尺度层级的数值L_k与当前漏磁信号D做切片处理，得到二值矩阵D^k，即：

其中D_i,j是管道漏磁信号D中第i行、第j列的数据点；

步骤1.3：对二值矩阵D^k进行异常边缘提取；

步骤1.3.1：建立两个正交方向的模板：水平模板fx和竖直模板fy，即：fy＝[-1 1]；fx＝fy^T，fx表示fy的转置；

步骤1.3.2：利用上述的水平模板fx和竖直模板fy对二值矩阵D^k分别进行两个方向的滤波，得到滤波后的二值矩阵D^k,x和D^k,y；二值矩阵D^k的边缘矩阵为E^k：

步骤1.3.3：获取异常边缘，然后将异常边缘规则化形成矩形窗体，得到当前尺度层级异常窗体集合W^k；

步骤1.4：重复步骤1.1至步骤1.3，获得所有尺度层级的异常窗体集合W＝{W¹，W²，...，W^k，…W^N}；

步骤2：对步骤1得到的异常窗体集合进行异常区域估计，得到异常估计集合W″＝{W^1″，W^2″，...，W^k″，…W^N″}；

步骤2.1：将异常窗体集合中的窗体进行预处理，所述预处理为去除边界未闭合窗体，得到处理后异常窗体集合W′＝{W^1′，W^2′，...，W^k′，…W^N′}；

步骤2.2：对异常窗体集合W′进行得分估计；对于异常区域而言，有多个窗体套叠在一起，形成多个“回”字形，每一个窗体都对应一个度量窗体交叠程度的值S(W^k′)，遍历异常窗体集合W′，计算每一个窗体的窗体交叠程度值，将窗体交叠程度值等效为异常窗体的得分，公式如下：

其中，W^k′表示当前窗体，m为当前窗体内部包含的等高线窗体数目；

分别表示第k个窗体内的窗体数目和第k个窗体外的窗体数目；

步骤2.3：异常区域的获取，选取出窗体的得分大于σ的窗体为异常窗体，其中0≤σ≤1，且判断同一尺度层级下是否存在并列窗体，若存在则将同一尺度层级下的并列窗体全部删除，得到异常估计集合W″＝{W^1″，W^2″，...，W^k″，…W^N″}；

步骤3：边界精确；根据步骤2中得到的异常估计集合W″＝{W^1″，W^2″，...，W^k″，…W^N″}，将W^k″中的所有窗体进行相邻窗体的面积比，遍历异常估计集合W″，去除面积比小于λ的窗体，其中0≤λ≤1，并选取当前集合内交叠窗体中最外围窗体作为异常推荐区域；

面积比的公式如下：

其中，

为第k个尺度层级下第h-1窗体和第h窗体的面积比；||*||表示窗体面积，即窗体包含的数据点个数；

分别代表第k个尺度层级下的第h-1窗体和第h窗体。

Images