CN112525923A - 一种共享果汁平台管道内壁检测方法、系统及可读存储介质 - Google Patents
一种共享果汁平台管道内壁检测方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN112525923A CN112525923A CN202011298566.9A CN202011298566A CN112525923A CN 112525923 A CN112525923 A CN 112525923A CN 202011298566 A CN202011298566 A CN 202011298566A CN 112525923 A CN112525923 A CN 112525923A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- wall
- information
- image
- shared
- 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/954—Inspecting the inner surface of hollow bodies, e.g. bores
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/954—Inspecting the inner surface of hollow bodies, e.g. bores
- G01N2021/9548—Scanning the interior of a cylinder
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Computer Graphics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种共享果汁平台管道内壁检测方法、系统及可读存储介质,包括:获取刀具运行参数,建立模型;通过图像识别获取刀具磨损区域图像,提取图像特征,通过模型对图像特征进行分析,生成磨损信息,将磨损信息与预设信息进行比较,得到偏差率;判断所述偏差率是否大于预设偏差率阈值,若大于,则进行刀具磨损预警,得到预警信息;将预警信息按照预定方式进行显示,通过物联网技术进行采集管道内壁图像信息,然后对图像进行处理,实现智能检测管道内壁的状态,检测精度较高,且能够实现管道内壁状态数据实时传输,进行分析,针对管道内壁状态做出对应的应急策略。
Description
技术领域
本发明涉及一种共享平台管道内壁检测方法,尤其涉及一种共享果汁平台管道内壁检测方法、系统及可读存储介质。
背景技术
管道是用管子、管子联接件和阀门等联接成的用于输送气体、液体或带固体颗粒的流体的装置,在共享果汁机对水果进行榨汁过程中,针对不同的水果种类选择不同的管道进行输送果汁,长时间使用后,管道内壁会造成磨损或酸性果汁的腐蚀,造成管道壁变薄等,如何实时准确地监测管道内壁的状态,对于避免加工异常所引起的对设备的破坏、降低成本、提高生产率,物联网是新一代信息技术的重要组成部分,也是"信息化"时代的重要发展阶段。物联网就是物物相连的互联网。物联网的核心和基础仍然是互联网,是在互联网基础上的延伸和扩展的网络,其用户端延伸和扩展到了任何物品与物品之间,进行信息交换和通信,也就是物物相息。物联网通过智能感知、识别技术与普适计算等通信感知技术,通过物联网技术进行智能检测管道内壁的状态,实现检测的智能化。
为了能够对共享果汁平台内的管道进行智能检测实现精准的控制,需要开发一款与其相匹配的系统进行控制,采集管道内部图像,提取图像轮廓内的轮廓点数据,然后将数据拟合,得到二次拟合曲线,根据计算得到的轮廓点到二次拟合曲线的距离进行管道内壁缺陷分析,但是在进行控制过程中,如何实现精准控制的同时,实现管道内壁状态的监控都是亟不可待要解决的问题。
发明内容
本发明克服了现有技术的不足,提供一种共享果汁平台管道内壁检测方法、系统及可读存储介质。
为达到上述目的,本发明采用的技术方案为:一种共享果汁平台管道内壁检测方法,包括:
采集管道内部图像,将内部图像进行预处理,得到处理图像;
提取处理图像边界,生成图像轮廓,并获得轮廓曲线,
提取图像轮廓内的轮廓点数据,对数据进行筛选,然后将数据拟合,得到二次拟合曲线;
计算轮廓点到二次拟合曲线的距离;
根据距离进行管道内壁缺陷分析,并对缺陷区域进行划分。
本发明一个较佳实施例中,所述管道内壁缺陷包括砂眼、凹陷、凹坑、缝隙、槽沟、疲劳性损伤、焊缝的气孔、应力腐蚀裂纹中的一种或多种
本发明一个较佳实施例中,采集管道内部图像,将内部图像进行预处理,得到处理图像;具体包括:
采集管道图像信息,建立管道三维坐标模型;
利用标定参数与像素坐标求解管道离散点的三维坐标,得到管道内壁在三维坐标系中的形状;
对管道内壁进行三维重构,得到结果信息,
根据结果信息进行图像数据处理。
本发明一个较佳实施例中,采集管道曲率信息,并生成曲率数据,对数据进行处理;
根据曲率信息,建立管道中心线;
计算检测点坐标,并生成检测点处管道截面轮廓;
将检测点坐标进行转换,建立三维轮廓,生成三维轮廓序列;
根据三维轮廓序列进行曲面重建,生成管道模型;
根据管道模型进行缺陷定位,生成缺陷信息。
本发明一个较佳实施例中,还包括;获取光源信息,对管道内壁进行光源照射,并建立光路模型;
根据光路模型,得到折射信息;
将折射信息与预设信息进行比较,得到偏差率;
判断所述偏差率是否大于预设阈值,
若大于,则计算光能损耗信息,
根据光能损耗信息计算管道内壁缺陷信息。
本发明一个较佳实施例中,光能损耗计算公式如下:
式中γ表示光能损耗,λ表示修正常数,θ1表示入射角,θ2表示出射角,τ表示介质透过率,c表示光在介质中的传输距离。
本发明第二方面还提供了一种共享果汁平台管道内壁检测系统,该系统包括:存储器、处理器,所述存储器中包括共享果汁平台管道内壁检测方法程序,所述共享果汁平台管道内壁检测方法程序被所述处理器执行时实现如下步骤:
采集管道内部图像,将内部图像进行预处理,得到处理图像;
提取处理图像边界,生成图像轮廓,并获得轮廓曲线,
提取图像轮廓内的轮廓点数据,对数据进行筛选,然后将数据拟合,得到二次拟合曲线;
计算轮廓点到二次拟合曲线的距离;
根据距离进行管道内壁缺陷分析,并对缺陷区域进行划分。
本发明一个较佳实施例中,采集管道内部图像,将内部图像进行预处理,得到处理图像;具体包括:
采集管道图像信息,建立管道三维坐标模型;
利用标定参数与像素坐标求解管道离散点的三维坐标,得到管道内壁在三维坐标系中的形状;
对管道内壁进行三维重构,得到结果信息,
根据结果信息进行图像数据处理。
本发明一个较佳实施例中,还包括;获取光源信息,对管道内壁进行光源照射,并建立光路模型;
根据光路模型,得到折射信息;
将折射信息与预设信息进行比较,得到偏差率;
判断所述偏差率是否大于预设阈值,
若大于,则计算光能损耗信息,
根据光能损耗信息计算管道内壁缺陷信息。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括共享果汁平台管道内壁检测方法程序,所述共享果汁平台管道内壁检测方法程序被处理器执行时,实现上述任一项所述的共享果汁平台管道内壁检测方法的步骤。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
(1)通过物联网技术进行采集管道内壁图像信息,然后对图像进行处理,实现智能检测管道内壁的状态,检测精度较高,且能够实现管道内壁状态数据实时传输,进行分析,针对管道内壁状态做出对应的应急策略。
(2)通过光学折射与反射原理对管道内壁进行检测,通过计算光源发射信息与触碰管道内壁后的反射信息,当管道内壁出现凹面或凹点时,反射光源会发生光能损耗,通过计算光能损耗进行判断管道内壁缺陷状态及缺陷区域,检测精度较高。
(3)利用标定参数与像素坐标求解管道离散点的三维坐标,得到管道内壁在三维坐标系中的形状,对管道内壁进行三维重构,能够模拟管道形状,并针对管道内壁进行模拟检测,从而实现管道内壁缺陷的提前预知,并提前做出决断,进行管道更换或管道维修,提高设备安全性能。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明一种共享果汁平台管道内壁检测方法的流程图;
图2示出了图像处理方法流程图;
图3示出了构建管道模型方法流程图;
图4示出了光能损耗计算方法流程图;
图5示出了一种共享果汁平台管道内壁检测系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种共享果汁平台管道内壁检测方法的流程图。
如图1所示,本发明第一方面提供了一种共享果汁平台管道内壁检测方法,包括:
S102,采集管道内部图像,将内部图像进行预处理,得到处理图像;
S104,提取处理图像边界,生成图像轮廓,并获得轮廓曲线,
S106,提取图像轮廓内的轮廓点数据,对数据进行筛选,然后将数据拟合,得到二次拟合曲线;
S108,计算轮廓点到二次拟合曲线的距离;
S110,根据距离进行管道内壁缺陷分析,并对缺陷区域进行划分。
需要说明的是,通过物联网技术进行采集管道内壁图像信息,然后对图像进行处理,实现智能检测管道内壁的状态,检测精度较高,且能够实现管道内壁状态数据实时传输,进行分析,针对管道内壁状态做出对应的应急策略。
本发明一个较佳实施例中,所述管道内壁缺陷包括砂眼、凹陷、凹坑、缝隙、槽沟、疲劳性损伤、焊缝的气孔、应力腐蚀裂纹中的一种或多种。
如图2所示,本发明公开了图像处理方法流程图;
本发明一个较佳实施例中,采集管道内部图像,将内部图像进行预处理,得到处理图像;具体包括:
S202,采集管道图像信息,建立管道三维坐标模型;
S204,利用标定参数与像素坐标求解管道离散点的三维坐标,得到管道内壁在三维坐标系中的形状;
S206,对管道内壁进行三维重构,得到结果信息,
S208,根据结果信息进行图像数据处理。
需要说明的是,进行三维重构时,通过检测管道弯曲情况,轮廓数据,对管道内壁进行三维空间定位,在进行管道检测过程中,通过设置检测探头潜入管道内进行内壁图像采集及轮廓测量,控制系统控制协调探头运行以及数据的传输,并进行人机加护,实时显示管道运行工况,及数据处理,通过设置形貌检测器来进行采样管道内截面,并提供截面上各个采样点在坐标系中的三维坐标,从而判断该截面是否存在缺陷,通过曲率传感器测量探头所在位置处的管道中轴线曲率,在得到管道整个内表面形状上的测量点后,通过反求工程方法,进行计算完成的管道内壁的三维重建。
如图3所示,本发明公开了构建管道模型方法流程图;
本发明一个较佳实施例中,S302,采集管道曲率信息,并生成曲率数据,对数据进行处理;
S304,根据曲率信息,建立管道中心线;
S306,计算检测点坐标,并生成检测点处管道截面轮廓;
S308,将检测点坐标进行转换,建立三维轮廓,生成三维轮廓序列;
S310,根据三维轮廓序列进行曲面重建,生成管道模型;
S312,根据管道模型进行缺陷定位,生成缺陷信息。
需要说明的是,利用标定参数与像素坐标求解管道离散点的三维坐标,得到管道内壁在三维坐标系中的形状,对管道内壁进行三维重构,能够模拟管道形状,并针对管道内壁进行模拟检测,从而实现管道内壁缺陷的提前预知,并提前做出决断,进行管道更换或管道维修,提高设备安全性能。
如图4所示,本发明公开了光能损耗计算方法流程图;
本发明一个较佳实施例中,还包括;
S402,获取光源信息,对管道内壁进行光源照射,并建立光路模型;
S404,根据光路模型,得到折射信息;
S406,将折射信息与预设信息进行比较,得到偏差率;
S408,判断所述偏差率是否大于预设阈值,
S410,若大于,则计算光能损耗信息,
S412,根据光能损耗信息计算管道内壁缺陷信息。
需要说明的是,光源为激光光源,通过采集光信号,然后对光信号进行降噪处理,去除噪声信号,并对光源进行调制,光源调制通过调整信号发生器进行调制,发射激光的强度由驱动电流的大小进行控制,当通过激光器发射光源时,激光器的电流大于阈值电流时,激光器发光,随着电流的增加,激光的亮度也随之增大,通过光学折射与反射原理对管道内壁进行检测,通过计算光源发射信息与触碰管道内壁后的反射信息,当管道内壁出现凹面或凹点时,反射光源会发生光能损耗,通过计算光能损耗进行判断管道内壁缺陷状态及缺陷区域,检测精度较高。
本发明一个较佳实施例中,光能损耗计算公式如下:
式中γ表示光能损耗,λ表示修正常数,θ1表示入射角,θ2表示出射角,τ表示介质透过率,c表示光在介质中的传输距离。
需要说明的是,将长流道按照一定长度进行分段,其各个分段点上的流量和泄漏量三个状态变量进行初始化,再将各个分段点处的泄漏量作为模型的输出,各个分段点处的状态估计采用自适应卡尔曼滤波建立状态观测器,根据流道首末站的实际压力、流量测量值与估计值出现的偏差作为流道泄漏检测与定位的依据,流道分段数目将影响泄漏检测的精度和泄漏点定位的效果。流道多点泄漏时,将流道非线性模型在正常操作点附近线性化,通过近似扩展滤波故障诊断观测器将流道的摩擦系数、泄漏系数和泄漏位置作为状态变量扩展到状态空间中,当观测器的输出值和实际的测量值出现残差,通过建立的流道状态观测器将残差渐近收敛到零,进而估计出泄漏系数和泄漏点的位置,当单点泄漏量超过故障诊断阈值时,采用单个扩展卡尔曼滤波观测器估计出泄漏位置和泄漏系数,而当连续出现三个不同位置泄漏时,采用多个扩展卡尔曼滤波观测器对流道连续性泄漏进行检测,通过建立流道泄漏模型不仅可以检测小泄漏和微漏,而且能检测流道多点连续泄漏。
如图5所示,本发明公开了共享果汁平台管道内壁检测系统框图;
本发明第二方面还提供了一种共享果汁平台管道内壁检测系统,该系统包括:存储器、处理器,所述存储器中包括共享果汁平台管道内壁检测方法程序,所述共享果汁平台管道内壁检测方法程序被所述处理器执行时实现如下步骤:
采集管道内部图像,将内部图像进行预处理,得到处理图像;
提取处理图像边界,生成图像轮廓,并获得轮廓曲线,
提取图像轮廓内的轮廓点数据,对数据进行筛选,然后将数据拟合,得到二次拟合曲线;
计算轮廓点到二次拟合曲线的距离;
根据距离进行管道内壁缺陷分析,并对缺陷区域进行划分。
需要说明的是,通过物联网技术进行采集管道内壁图像信息,然后对图像进行处理,实现智能检测管道内壁的状态,检测精度较高,且能够实现管道内壁状态数据实时传输,进行分析,针对管道内壁状态做出对应的应急策略。
本发明一个较佳实施例中,采集管道内部图像,将内部图像进行预处理,得到处理图像;具体包括:
采集管道图像信息,建立管道三维坐标模型;
利用标定参数与像素坐标求解管道离散点的三维坐标,得到管道内壁在三维坐标系中的形状;
对管道内壁进行三维重构,得到结果信息,
根据结果信息进行图像数据处理。
需要说明的是,进行三维重构时,通过检测管道弯曲情况,轮廓数据,对管道内壁进行三维空间定位,在进行管道检测过程中,通过设置检测探头潜入管道内进行内壁图像采集及轮廓测量,控制系统控制协调探头运行以及数据的传输,并进行人机加护,实时显示管道运行工况,及数据处理,通过设置形貌检测器来进行采样管道内截面,并提供截面上各个采样点在坐标系中的三维坐标,从而判断该截面是否存在缺陷,通过曲率传感器测量探头所在位置处的管道中轴线曲率,在得到管道整个内表面形状上的测量点后,通过反求工程方法,进行计算完成的管道内壁的三维重建。
本发明一个较佳实施例中,还包括;获取光源信息,对管道内壁进行光源照射,并建立光路模型;
根据光路模型,得到折射信息;
将折射信息与预设信息进行比较,得到偏差率;
判断所述偏差率是否大于预设阈值,
若大于,则计算光能损耗信息,
根据光能损耗信息计算管道内壁缺陷信息。
需要说明的是,光源为激光光源,通过采集光信号,然后对光信号进行降噪处理,去除噪声信号,并对光源进行调制,光源调制通过调整信号发生器进行调制,发射激光的强度由驱动电流的大小进行控制,当通过激光器发射光源时,激光器的电流大于阈值电流时,激光器发光,随着电流的增加,激光的亮度也随之增大,通过光学折射与反射原理对管道内壁进行检测,通过计算光源发射信息与触碰管道内壁后的反射信息,当管道内壁出现凹面或凹点时,反射光源会发生光能损耗,通过计算光能损耗进行判断管道内壁缺陷状态及缺陷区域,检测精度较高。
本发明一个较佳实施例中,光能损耗计算公式如下:
式中γ表示光能损耗,λ表示修正常数,θ1表示入射角,θ2表示出射角,τ表示介质透过率,c表示光在介质中的传输距离。
本发明一个较佳实施例中,所述管道内壁缺陷包括砂眼、凹陷、凹坑、缝隙、槽沟、疲劳性损伤、焊缝的气孔、应力腐蚀裂纹中的一种或多种
本发明一个较佳实施例中,采集管道曲率信息,并生成曲率数据,对数据进行处理;
根据曲率信息,建立管道中心线;
计算检测点坐标,并生成检测点处管道截面轮廓;
将检测点坐标进行转换,建立三维轮廓,生成三维轮廓序列;
根据三维轮廓序列进行曲面重建,生成管道模型;
根据管道模型进行缺陷定位,生成缺陷信息。
需要说明的是,利用标定参数与像素坐标求解管道离散点的三维坐标,得到管道内壁在三维坐标系中的形状,对管道内壁进行三维重构,能够模拟管道形状,并针对管道内壁进行模拟检测,从而实现管道内壁缺陷的提前预知,并提前做出决断,进行管道更换或管道维修,提高设备安全性能。
将长流道按照一定长度进行分段,其各个分段点上的流量和泄漏量三个状态变量进行初始化,再将各个分段点处的泄漏量作为模型的输出,各个分段点处的状态估计采用自适应卡尔曼滤波建立状态观测器,根据流道首末站的实际压力、流量测量值与估计值出现的偏差作为流道泄漏检测与定位的依据,流道分段数目将影响泄漏检测的精度和泄漏点定位的效果。流道多点泄漏时,将流道非线性模型在正常操作点附近线性化,通过近似扩展滤波故障诊断观测器将流道的摩擦系数、泄漏系数和泄漏位置作为状态变量扩展到状态空间中,当观测器的输出值和实际的测量值出现残差,通过建立的流道状态观测器将残差渐近收敛到零,进而估计出泄漏系数和泄漏点的位置,当单点泄漏量超过故障诊断阈值时,采用单个扩展卡尔曼滤波观测器估计出泄漏位置和泄漏系数,而当连续出现三个不同位置泄漏时,采用多个扩展卡尔曼滤波观测器对流道连续性泄漏进行检测,通过建立流道泄漏模型不仅可以检测小泄漏和微漏,而且能检测流道多点连续泄漏。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括共享果汁平台管道内壁检测方法程序,所述共享果汁平台管道内壁检测方法程序被处理器执行时,实现上述任一项所述的共享果汁平台管道内壁检测方法的步骤。
通过物联网技术进行采集管道内壁图像信息,然后对图像进行处理,实现智能检测管道内壁的状态,检测精度较高,且能够实现管道内壁状态数据实时传输,进行分析,针对管道内壁状态做出对应的应急策略。
通过光学折射与反射原理对管道内壁进行检测,通过计算光源发射信息与触碰管道内壁后的反射信息,当管道内壁出现凹面或凹点时,反射光源会发生光能损耗,通过计算光能损耗进行判断管道内壁缺陷状态及缺陷区域,检测精度较高。
利用标定参数与像素坐标求解管道离散点的三维坐标,得到管道内壁在三维坐标系中的形状,对管道内壁进行三维重构,能够模拟管道形状,并针对管道内壁进行模拟检测,从而实现管道内壁缺陷的提前预知,并提前做出决断,进行管道更换或管道维修,提高设备安全性能。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,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权利要求的保护范围为准。
Claims (10)
1.一种共享果汁平台管道内壁检测方法,其特征在于,包括:
采集管道内部图像,将内部图像进行预处理,得到处理图像;
提取处理图像边界,生成图像轮廓,并获得轮廓曲线,
提取图像轮廓内的轮廓点数据,对数据进行筛选,然后将数据拟合,得到二次拟合曲线;
计算轮廓点到二次拟合曲线的距离;
根据距离进行管道内壁缺陷分析,并对缺陷区域进行划分。
2.根据权利要求1所述的一种共享果汁平台管道内壁检测方法,其特征在于,所述管道内壁缺陷包括砂眼、凹陷、凹坑、缝隙、槽沟、疲劳性损伤、焊缝的气孔、应力腐蚀裂纹中的一种或多种。
3.根据权利要求1所述的一种共享果汁平台管道内壁检测方法,其特征在于,采集管道内部图像,将内部图像进行预处理,得到处理图像;具体包括:
采集管道图像信息,建立管道三维坐标模型;
利用标定参数与像素坐标求解管道离散点的三维坐标,得到管道内壁在三维坐标系中的形状;
对管道内壁进行三维重构,得到结果信息,
根据结果信息进行图像数据处理。
4.根据权利要求1所述的一种共享果汁平台管道内壁检测方法,其特征在于,采集管道曲率信息,并生成曲率数据,对数据进行处理;
根据曲率信息,建立管道中心线;
计算检测点坐标,并生成检测点处管道截面轮廓;
将检测点坐标进行转换,建立三维轮廓,生成三维轮廓序列;
根据三维轮廓序列进行曲面重建,生成管道模型;
根据管道模型进行缺陷定位,生成缺陷信息。
5.根据权利要求1所述的一种共享果汁平台管道内壁检测方法,其特征在于,还包括;获取光源信息,对管道内壁进行光源照射,并建立光路模型;
根据光路模型,得到折射信息;
将折射信息与预设信息进行比较,得到偏差率;
判断所述偏差率是否大于预设阈值,
若大于,则计算光能损耗信息,
根据光能损耗信息计算管道内壁缺陷信息。
7.一种共享果汁平台管道内壁检测系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括共享果汁平台管道内壁检测方法程序,所述共享果汁平台管道内壁检测方法程序被所述处理器执行时实现如下步骤:
采集管道内部图像,将内部图像进行预处理,得到处理图像;
提取处理图像边界,生成图像轮廓,并获得轮廓曲线,
提取图像轮廓内的轮廓点数据,对数据进行筛选,然后将数据拟合,得到二次拟合曲线;
计算轮廓点到二次拟合曲线的距离;
根据距离进行管道内壁缺陷分析,并对缺陷区域进行划分。
8.根据权利要求7所述的一种共享果汁平台管道内壁检测系统,其特征在于,采集管道内部图像,将内部图像进行预处理,得到处理图像;具体包括:
采集管道图像信息,建立管道三维坐标模型;
利用标定参数与像素坐标求解管道离散点的三维坐标,得到管道内壁在三维坐标系中的形状;
对管道内壁进行三维重构,得到结果信息,
根据结果信息进行图像数据处理。
9.根据权利要求7所述的一种共享果汁平台管道内壁检测系统,其特征在于,还包括;获取光源信息,对管道内壁进行光源照射,并建立光路模型;
根据光路模型,得到折射信息;
将折射信息与预设信息进行比较,得到偏差率;
判断所述偏差率是否大于预设阈值,
若大于,则计算光能损耗信息,
根据光能损耗信息计算管道内壁缺陷信息。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括共享果汁平台管道内壁检测方法程序,所述共享果汁平台管道内壁检测方法程序被处理器执行时,实现如权利要求1至6中任一项所述的共享果汁平台管道内壁检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011298566.9A CN112525923A (zh) | 2020-11-19 | 2020-11-19 | 一种共享果汁平台管道内壁检测方法、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011298566.9A CN112525923A (zh) | 2020-11-19 | 2020-11-19 | 一种共享果汁平台管道内壁检测方法、系统及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112525923A true CN112525923A (zh) | 2021-03-19 |
Family
ID=74981233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011298566.9A Withdrawn CN112525923A (zh) | 2020-11-19 | 2020-11-19 | 一种共享果汁平台管道内壁检测方法、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112525923A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113658181A (zh) * | 2021-10-20 | 2021-11-16 | 山东天亚达新材料科技有限公司 | 一种用于海洋钢结构的修补方法、装置、设备 |
CN116883410A (zh) * | 2023-09-08 | 2023-10-13 | 四川爱麓智能科技有限公司 | 一种磨斑自动化检测与评价的方法、系统以及设备 |
-
2020
- 2020-11-19 CN CN202011298566.9A patent/CN112525923A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113658181A (zh) * | 2021-10-20 | 2021-11-16 | 山东天亚达新材料科技有限公司 | 一种用于海洋钢结构的修补方法、装置、设备 |
CN113658181B (zh) * | 2021-10-20 | 2021-12-28 | 山东天亚达新材料科技有限公司 | 一种用于海洋钢结构的修补方法、装置、设备 |
CN116883410A (zh) * | 2023-09-08 | 2023-10-13 | 四川爱麓智能科技有限公司 | 一种磨斑自动化检测与评价的方法、系统以及设备 |
CN116883410B (zh) * | 2023-09-08 | 2023-11-17 | 四川爱麓智能科技有限公司 | 一种磨斑自动化检测与评价的方法、系统以及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Peng et al. | Study of tool wear monitoring using machine vision | |
CN112525923A (zh) | 一种共享果汁平台管道内壁检测方法、系统及可读存储介质 | |
CN113075065B (zh) | 基于图像识别的深海管道裂纹扩展监测与可靠性评估系统 | |
CN102928435A (zh) | 基于图像和超声信息融合的飞机蒙皮损伤识别方法及装置 | |
CN108804740B (zh) | 基于集成改进ica-krr算法的长输管道压力监测方法 | |
KR102228939B1 (ko) | 3차원 자동 스캔 시스템 및 방법 | |
CN115751203A (zh) | 一种基于红外热像仪的天然气管道泄漏监测系统 | |
AU2020271967B2 (en) | Method for determining the geometry of a defect on the basis of non-destructive measurement methods using direct inversion | |
CN117173461A (zh) | 一种多视觉任务的灌装容器缺陷检测方法、系统及介质 | |
CN112116566A (zh) | 一种基于高光谱遥感技术的陆上油气管道缺陷诊断方法 | |
Liu et al. | An approach for auto bridge inspection based on climbing robot | |
AU2020272117C1 (en) | Method for determining the geometry of a defect and for determining a load limit | |
US20230084562A1 (en) | Non-destructive inspection method and system based on artificial intelligence | |
Im et al. | Multi-modal diagnostic method for detection of concrete crack direction using light-section method and hammering test | |
CN105759605A (zh) | 基于自适应参数模型粒子滤波的非线性系统缺陷检测与定位算法 | |
CN113781513B (zh) | 一种电厂供水管道泄漏检测方法及系统 | |
Jacintha et al. | Plug Valve Surface Defects Identification through Nondestructive Testing and Fuzzy Deep‐Learning Algorithm for Metal Porosity and Surface Evaluation | |
Wang et al. | A High-accessibility Identification Technology for Butt Joint Weld Defects | |
CN117605627B (zh) | 一种风电齿轮箱冷却器芯体漏油检测系统及方法 | |
CN116910489B (zh) | 基于人工智能的墙体防渗检测方法及相关装置 | |
CN116953196B (zh) | 一种钢制三通的缺陷检测与安全状态评估方法 | |
CN113591270B (zh) | 基于mdcd在钢轨焊缝数据集上性能分析对比的监测方法 | |
Qidwai | Autonomous corrosion detection in gas pipelines: a hybrid-fuzzy classifier approach using ultrasonic nondestructive evaluation protocols | |
US20240161267A1 (en) | Information processing device, determination method, and storage medium | |
CN117630895B (zh) | 一种基于数据分析的海底前视声呐故障监测系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210319 |