CN113030244A - 输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统 - Google Patents
输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统 Download PDFInfo
- Publication number
- CN113030244A CN113030244A CN202110301696.1A CN202110301696A CN113030244A CN 113030244 A CN113030244 A CN 113030244A CN 202110301696 A CN202110301696 A CN 202110301696A CN 113030244 A CN113030244 A CN 113030244A
- Authority
- CN
- China
- Prior art keywords
- signal
- corrosion defect
- magnetic
- matrix
- detection signal
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 296
- 230000007797 corrosion Effects 0.000 title claims abstract description 253
- 238000005260 corrosion Methods 0.000 title claims abstract description 253
- 238000001514 detection method Methods 0.000 title claims abstract description 202
- 230000005540 biological transmission Effects 0.000 title claims abstract description 75
- 238000003384 imaging method Methods 0.000 title claims abstract description 62
- 239000011159 matrix material Substances 0.000 claims abstract description 170
- 230000004907 flux Effects 0.000 claims abstract description 134
- 238000012545 processing Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 230000008602 contraction Effects 0.000 claims abstract description 12
- 239000002131 composite material Substances 0.000 claims description 59
- 150000001875 compounds Chemical class 0.000 claims description 36
- 230000002950 deficient Effects 0.000 claims description 19
- 238000007670 refining Methods 0.000 claims description 14
- 238000005530 etching Methods 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 12
- 238000003786 synthesis reaction Methods 0.000 claims description 12
- 230000005415 magnetization Effects 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 10
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract description 3
- 239000002904 solvent Substances 0.000 description 12
- 239000002184 metal Substances 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Abstract
输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统,通过对腐蚀缺陷处的漏磁检测信号水平分量矩阵进行显性处理、双阈值显性增强、边缘细化、轮廓闭合及收缩区域的漏磁三维合成信号值插值填充等操作,最终实现输电线塔架腐蚀缺陷漏磁检测信号反演成像;该反演成像系统包括漏磁信号检测模块、漏磁信号处理模块、漏磁信号反演成像模块。快速便捷地对输电线塔架腐蚀缺陷进行检测识别和反演成像,从而为用户提供清晰直观的缺陷信息,为输电线塔架的安全维护提供有效的指导依据。在腐蚀缺陷漏磁检测信号反演成像显示过程中,不需要进行闭环迭代,可以快速实现腐蚀缺陷的三维成像,具有计算操作简单、计算速度快、反演精度高等优点。
Description
技术领域
本发明涉及无损检测技术领域,更具体地,涉及输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统。
背景技术
输电线塔架是输电线路的重要支撑架空构件,输电线塔架多建在室外的山区、河流、荒漠等地,需要常年面对沙尘、雷电、大雨、暴风、冰雪和极端温度等恶劣环境,服役工况复杂,不可避免地会产生腐蚀缺陷损伤,若未及时检测修护,极易导致输电线塔架的弯曲、断裂甚至倒塌。因此,需要采用无损检测方法对输电线塔架的腐蚀缺陷进行检测,通过检测信号反演实现对腐蚀缺陷的成像显示,为输电线塔架的运行维护提供有效的指导依据。
漏磁检测是一种常用的无损检测技术,可应用于输电线塔架的腐蚀缺陷检测中,通过对漏磁检测信号分析实现腐蚀缺陷的评估。但在现有的相关技术中,多数漏磁检测信号的分析评估方法仅能实现对腐蚀缺陷的识别和量化,无法实现缺陷的成像显示,如发明专利(201710236188.3)“一种基于窗体特征的漏磁管道缺陷位置提取方法”,利用历史漏磁数据学习特征建立识别模型,实现对管道中缺陷位置的提取与识别;发明专利(201611168423.X)“一种轴向漏磁信号长度量化方法”,通过对轴向漏磁信号的关键特征提取,实现对缺陷长度的反演量化。目前,也有部分针对缺陷漏磁检测信号反演成像的方法,但这些方法多采用闭环迭代的方式实现,计算速度慢,缺陷反演效率低,如发明专利(201510368744.3)“三维漏磁检测缺陷神经网络迭代反演成像方法”,基于径向基神经网络模型对缺陷深度向量进行迭代计算,实现对缺陷的反演成像;发明专利(201510861890.X)“一种基于磁荷分布重构算法的漏磁检测缺陷三维成像方法”,基于磁荷分布重构算法,对缺陷深度进行迭代反演,实现对漏磁检测中任意缺陷的三维形状量化计算。
发明内容
为解决现有技术中存在的不足,本发明的目的在于,提出输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统,通过对腐蚀缺陷处的漏磁检测信号水平分量矩阵进行显性处理、双阈值显性增强、边缘细化、轮廓闭合及收缩区域的漏磁三维合成信号值插值填充等操作,最终实现输电线塔架腐蚀缺陷漏磁检测信号反演成像。该方法在腐蚀缺陷漏磁检测信号反演成像显示过程中,不需要进行闭环迭代,可以快速实现腐蚀缺陷的三维成像,具有计算操作简单、计算速度快、反演精度高等优点。
本发明提出如下技术方案。
输电线塔架腐蚀缺陷漏磁检测信号反演成像方法的步骤如下:
步骤1,采集输电线塔架的三维漏磁检测信号,获取腐蚀缺陷处的漏磁检测信号水平分量矩阵BH;
步骤2,对腐蚀缺陷处的漏磁检测信号水平分量矩阵BH进行显性处理:将显性算子G与漏磁检测信号水平分量矩阵BH进行平面卷积运算,得到腐蚀缺陷处的漏磁检测信号显性矩阵D;
步骤3,对腐蚀缺陷处的漏磁检测信号显性矩阵D进行双阈值显性增强处理:从中提取出能够用于表征腐蚀缺陷显性边缘的信号数据,组成腐蚀缺陷处的显性边缘信号矩阵Dedge;
步骤4,对腐蚀缺陷显性边缘信号矩阵Dedge进行边缘信号细化处理,得到腐蚀缺陷显性边缘细化信号矩阵Dedge_refine;
步骤5,根据腐蚀缺陷显性边缘细化信号矩阵Dedge_refine中的数据,对腐蚀缺陷轮廓进行闭合处理,得到腐蚀缺陷区域Ad;
步骤6,以腐蚀缺陷区域Ad中心位置点(x0,y0)为基准,经过k倍收缩操作后得到收缩区域A′d,其中x0表示腐蚀缺陷区域Ad中心位置点的横坐标、y0表示腐蚀缺陷区域Ad中心位置点的纵坐标,按如下关系式计算收缩区域A’d中的三维漏磁合成信号值
式中,
x′表示收缩区域A′d中任意位置点的横坐标,y′表示收缩区域A′d中任意位置点的纵坐标,
BH(x′,y′)表示收缩区域A′d中任意位置点的三维漏磁信号的水平分量,
BV(x′,y′)表示收缩区域A′d中任意位置点的三维漏磁信号的垂直分量,
BF(x′,y′)表示收缩区域A′d中任意位置点的三维漏磁信号的法向分量;
步骤7,遍历腐蚀缺陷区域Ad中各位置点,各位置点的三维漏磁合成信号值通过对收缩区域A′d中各位置点的三维漏磁合成信号值的插值计算得到,从而得到最终的缺陷轮廓矩阵Dprofile,其中x表示腐蚀缺陷区域Ad中任意位置点的横坐标、y表示腐蚀缺陷区域Ad中任意位置点的纵坐标,信号值dprofile(x,y)满足如下关系式:
式中,
dprofile(x,y)表示缺陷轮廓矩阵Dprofile中任意位置点的轮廓显示值,
步骤8,对缺陷轮廓矩阵Dprofile进行三维显示,得到输电线塔架腐蚀缺陷漏磁检测信号反演成像。
优选地,
在步骤1中,采集的输电线塔架的漏磁检测信号包含水平分量、垂直分量和法向分量,其中水平分量是指沿输电线塔架磁化方向的漏磁检测信号;
当采集的漏磁检测信号水平分量的幅值|BH(x,y)|满足下列三种条件之一时,则认为所采集的漏磁检测信号水平分量为腐蚀缺陷处的漏磁检测信号水平分量,三种条件分别如下:
第一条件:|BH(x,y)|≥BTH,
式中,
BH(x,y)表示腐蚀缺陷区域Ad中任意位置点的漏磁检测信号水平分量,其中:腐蚀缺陷区域Ad中任意位置点的横坐标x实际为漏磁检测信号采样的序列数、腐蚀缺陷区域Ad中任意位置点的纵坐标y实际为磁传感器通道的序列数,
BTH为设定的高阈值;
第二条件:|BH(x,y)|≤BTL,
式中,
BTL为设定的低阈值;
第三条件:BH(x,y)采样序列向前或向后各K个信号数据或BH(x,y)相邻磁传感器通道数据中,有满足第一条件或第二条件的信号数据,
其中,
BH(x,y)采样序列向前或向后各K个信号数据是:BH(x-K,y),BH(x-K+1,y),……,BH(x+K-1,y),BH(x+K,y);
BH(x,y)相邻磁传感器通道数据是:BH(x,y+1),BH(x,y-1);
K为设定的步长,且K为正整数;
高阈值BTH取值范围的上限是漏磁检测信号水平分量平均值的1.20倍,下限是漏磁检测信号水平分量平均值的1.05倍;
低阈值BTL取值范围的上限是漏磁检测信号水平分量平均值的0.95倍,下限是漏磁检测信号水平分量平均值的0.80倍;
将能够包含所有满足第一条件、第二条件和第三条件中的任意一个条件,且坐标位置相邻的漏磁检测信号水平分量BH(x,y)的最小矩阵单元,作为腐蚀缺陷处的漏磁检测信号水平分量矩阵BH。
优选地,
在步骤2中,显性算子G满足如下关系式:
显性算子G是5×5的矩阵算子。
优选地,
在步骤3中双阈值显性增强处理包括:
步骤3.1,分别设置第一高阈值TH1、第二高阈值TH2、第一低阈值TL1和第二低阈值TL2,并且满足如下关系式:
TH1>TL1>0>TL2>TH2
第一高阈值TH1、第二高阈值TH2取值范围的上限是漏磁检测信号水平分量平均值的1.20倍,下限是漏磁检测信号水平分量平均值的1.05倍,
第一低阈值TL1和第二低阈值TL2取值范围的上限是漏磁检测信号水平分量平均值的0.95倍,下限是漏磁检测信号水平分量平均值的0.80倍;
步骤3.2,按照如下规则对腐蚀缺陷处的漏磁检测信号显性矩阵D中的元素D(x,y)进行标记:
(1)若D(x,y)>TH1或D(x,y)<TH2,则标记元素D(x,y)为边界点,
(2)若TL2<D(x,y)<TL1,则标记元素D(x,y)为非边界点,
(3)若TL1≤D(x,y)≤TH1或TH2≤D(i,j)≤TL2,则考察该元素D(x,y)的八连通区域内是否存在满足条件(1)的元素,若存在则将元素D(x,y)标记为边界点,若不存在,则将元素D(x,y)标记为非边界点;
步骤3.3,腐蚀缺陷处的漏磁检测信号显性矩阵D中被标记为边界点的元素数值保持不变,将腐蚀缺陷处的漏磁检测信号显性矩阵D中被标记为非边界点的元素的数值均设置为0,形成腐蚀缺陷显性边缘信号矩阵Dedge。
优选地,
在步骤4中边缘信号细化处理包括:
步骤4.1,将腐蚀缺陷显性边缘信号矩阵Dedge分解为M个大小为1×N的行矩阵其中M为腐蚀缺陷显性边缘信号矩阵Dedge的行数、N为腐蚀缺陷显性边缘信号矩阵Dedge的列数,表示第p个腐蚀缺陷显性边缘信号行矩阵,上标p=1,2,…,M;
步骤4.2,遍历所有腐蚀缺陷显性边缘信号行矩阵,对于任意一个腐蚀缺陷显性边缘信号行矩阵先确定其中的正极大值元素和负极小值元素再将正极大值元素左侧和右侧各L个元素值均设置为1、将负极大值元素左侧和右侧各L个元素值均设置为-1,最后将其余元素均设置为0,得到腐蚀缺陷显性边缘细化信号行矩阵
式中,
优选地,
在步骤4.2中,L是一个与实际检测点的间距有关的正整数,满足如下关系式:
式中,
s表示输电线塔架漏磁检测中漏磁信号的实际检测点的间距,单位为mm,
优选地,
在步骤5中,腐蚀缺陷轮廓的闭合处理是指,遍历所有腐蚀缺陷显性边缘细化信号行矩阵,对于任意一个腐蚀缺陷显性边缘细化信号行矩阵将所有处于值为1的元素和值为-1的元素之间位置、并且值为0的元素的值修改为1;
闭合处理完成后,腐蚀缺陷显性边缘细化信号矩阵Dedge_refine中所有的值不为0的元素所组成的区域即为腐蚀缺陷区域Ad。
优选地,
在步骤6中,对腐蚀缺陷区域Ad进行k倍收缩操作以获得收缩区域A′d,是指以腐蚀缺陷区域Ad的中心位置点(x0,y0)为基准,对腐蚀缺陷区域Ad中的任意位置点P(x,y)按如下关系式计算得到收缩区域A′d中的位置点P′(x′,y′):
x′=(x-x0)/k+x0,y′=(y-y0)/k+y0
式中,
k表示收缩系数,是大于等于1的正数。
优选地,
式中,
输电线塔架腐蚀缺陷漏磁检测信号反演成像系统包括漏磁信号检测模块、漏磁信号处理模块、漏磁信号反演成像模块;
漏磁信号检测模块,用于获取输电线塔架的三维漏磁检测信号以及腐蚀缺陷处的漏磁检测信号水平分量矩阵;
漏磁信号处理模块,用于对腐蚀缺陷处的漏磁检测信号水平分量矩阵进行显性处理、双阈值显性增强处理、边缘信号细化处理、轮廓闭合处理及收缩区域的漏磁三维合成信号值插值计算操作,最终获得缺陷轮廓矩阵;漏磁信号处理模块包括:显性处理单元、显性增强单元、边缘细化单元、轮廓闭合单元、三位漏磁信号合成单元;
漏磁信号反演成像模块,实现缺陷轮廓矩阵的三维显示,即获得腐蚀缺陷漏磁检测信号反演成像。
显性处理单元是平面卷积运算单元,用于对漏磁检测信号水平分量矩阵进行显性处理;
显性增强单元采用双阈值显性增强处理算法,用于提取能够用于表征腐蚀缺陷显性边缘的信号数据组成腐蚀缺陷显性边缘信号矩阵;
边缘细化单元,用于对腐蚀缺陷显性边缘信号矩阵进行边缘信号细化处理;
轮廓闭合单元,对细化处理后的腐蚀缺陷显性边缘信号矩阵,沿着输电线塔架磁化方向进行连接与填充,实现轮廓闭合处理,以获得腐蚀缺陷区域及对其k倍收缩操作后的收缩区域;
三位漏磁信号合成单元,先采用分量合成算法计算收缩区域中各位置点的三维漏磁合成信号值,然后采用插值算法得到腐蚀缺陷区域的三维漏磁合成信号值,即获得最终的缺陷轮廓矩阵。
本发明的有益效果在于,与现有技术相比,该方法可以快速便捷地对输电线塔架腐蚀缺陷进行检测识别和反演成像,从而为用户提供清晰直观的缺陷信息,可为输电线塔架的安全维护提供了有效的指导依据。在腐蚀缺陷漏磁检测信号反演成像显示过程中,不需要进行闭环迭代,可以快速实现腐蚀缺陷的三维成像,具有计算操作简单、计算速度快、反演精度高等优点。
附图说明
图1是本发明的输电线塔架腐蚀缺陷漏磁检测信号反演成像方法的流程图;
图2是本发明实施例1的漏磁检测信号水平分量矩阵的二维图像;
图3是本发明实施例1的漏磁检测信号显性矩阵的二维图像;
图4是本发明实施例1的腐蚀缺陷显性边缘信号矩阵的二维图像;
图5是本发明实施例1的腐蚀缺陷显性边缘细化信号矩阵的二维图像;
图6是本发明实施例1的进行轮廓闭合处理后得到的腐蚀缺陷区域的二值化图像;
图7是本发明实施例1中收缩区域的三维漏磁合成信号的三维图像;
图8是本发明实施例1最终得到的输电线塔架的矩形槽腐蚀缺陷漏磁检测信号的反演成像;
图9是本发明实施例2最终得到的输电线塔架的坑状腐蚀缺陷漏磁检测信号的反演成像;
图10是本发明的输电线塔架腐蚀缺陷漏磁检测信号反演成像系统的框架图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本申请的保护范围。
实施例1。
本优选实施例,实施一次输电线塔架漏磁检测,对检测到的一个矩形槽缺陷的漏磁检测信号进行反演成像显示。
图1是本发明的输电线塔架腐蚀缺陷漏磁检测信号反演成像方法的流程图,该方法包括以下步骤:
步骤1,采集输电线塔架的三维漏磁检测信号,获取腐蚀缺陷处的漏磁检测信号水平分量矩阵BH。
具体地,
采集的输电线塔架的漏磁检测信号包含水平分量、垂直分量和法向分量,其中水平分量是指沿输电线塔架磁化方向的漏磁检测信号;
本优选实施例中,获取的漏磁检测信号水平分量矩阵的二维图像如图2所示。
在步骤1中,
当采集的漏磁检测信号水平分量的幅值|BH(x,y)|满足下列三种条件之一时,则认为所采集的漏磁检测信号水平分量为腐蚀缺陷处的漏磁检测信号水平分量,三种条件分别如下:
第一条件:|BH(x,y)|≥BTH,
式中,
BH(x,y)表示腐蚀缺陷区域Ad中任意位置点的漏磁检测信号水平分量,其中:腐蚀缺陷区域Ad中任意位置点的横坐标x实际为漏磁检测信号采样的序列数、腐蚀缺陷区域Ad中任意位置点的纵坐标y实际为磁传感器通道的序列数;
BTH为设定的高阈值,其取值范围的上限是漏磁检测信号水平分量平均值的1.20倍,下限是漏磁检测信号水平分量平均值的1.05倍;本优选实施例中,设定高阈值BTH=40Gs;
第二条件:|BH(x,y)|≤BTL
式中,
BTL为设定的低阈值,其取值范围的上限是漏磁检测信号水平分量平均值的0.95倍,下限是漏磁检测信号水平分量平均值的0.80倍;本优选实施例中,设定低阈值BTL=-20Gs;
第三条件:BH(x,y)采样序列向前或向后各K个信号数据或BH(x,y)相邻磁传感器通道数据中,有满足第一条件或第二条件的信号数据,
其中,
K为设定的步长,且K为正整数,本优选实施例中,步长K=10;
BH(x,y)采样序列向前或向后各K个信号数据是:BH(x-K,y),BH(x-K+1,y),……,BH(x+K-1,y),BH(x+K,y);
BH(x,y)相邻磁传感器通道数据是:BH(x,y+1),BH(x,y-1);
将能够包含所有满足第一条件、第二条件和第三条件中的任意一个条件,且坐标位置相邻的漏磁检测信号水平分量BH(x,y)的最小矩阵单元,作为腐蚀缺陷处的漏磁检测信号水平分量矩阵BH;本发明优选实施例中,共有1个满足条件的漏磁检测信号水平分量矩阵Bx,即说明被检测的输电线塔架中存在腐蚀缺陷。
步骤2,对腐蚀缺陷处的漏磁检测信号水平分量矩阵BH进行显性处理:将显性算子G与漏磁检测信号水平分量矩阵BH进行平面卷积运算,得到腐蚀缺陷处的漏磁检测信号显性矩阵D。
具体地,
在步骤2中,腐蚀缺陷处的漏磁检测信号显性矩阵D满足如下关系式:
D=G*BH
式中,
D表示腐蚀缺陷处的漏磁检测信号显性矩阵,
G表示显性算子,是5×5的矩阵算子,并满足如下关系式:
因此,显性矩阵D的任意元素D(x,y)表示如下:
D(x,y)=(-1)×BH(x-2,y)+(-2)×BH(x-1,y)+2×BH(x+1,y)+1×BH(x+2,y)
本优选实施例中,经过显性处理后得到的漏磁检测信号显性矩阵的二维图像如图3所示。
步骤3,对腐蚀缺陷处的漏磁检测信号显性矩阵D进行双阈值显性增强处理:从中提取出能够用于表征腐蚀缺陷显性边缘的信号数据,组成腐蚀缺陷处的显性边缘信号矩阵Dedge。
具体地,
在步骤3中,双阈值显性增强处理的具体步骤如下:
步骤3.1,分别设置第一高阈值TH1、第二高阈值TH2、第一低阈值TL1和第二低阈值TL2,并且满足如下关系式:
TH1>TL1>0>TL2>TH2
第一高阈值TH1、第二高阈值TH2取值范围的上限是漏磁检测信号水平分量平均值的1.20倍,下限是漏磁检测信号水平分量平均值的1.05倍,
第一低阈值TL1和第二低阈值TL2取值范围的上限是漏磁检测信号水平分量平均值的0.95倍,下限是漏磁检测信号水平分量平均值的0.80倍;
本发明优选实施例中,设定第一高阈值TH1=30、第二高阈值TH2=-15、第一低阈值TL1=20、第二低阈值TL2=-10。
步骤3.2,按照如下规则对腐蚀缺陷处的漏磁检测信号显性矩阵D中的元素D(x,y)进行标记:
(1)若D(x,y)>TH1或D(x,y)<TH2,则标记元素D(x,y)为边界点,
(2)若TL2<D(x,y)<TL1,则标记元素D(x,y)为非边界点,
(3)若TL1≤D(x,y)≤TH1或TH2≤D(i,j)≤TL2,则考察该元素D(x,y)的八连通区域内是否存在满足条件(1)的元素,若存在则将元素D(x,y)标记为边界点,若不存在,则将元素D(x,y)标记为非边界点。
步骤3.3,腐蚀缺陷处的漏磁检测信号显性矩阵D中被标记为边界点的元素数值保持不变,将腐蚀缺陷处的漏磁检测信号显性矩阵D中被标记为非边界点的元素的数值均设置为0,形成腐蚀缺陷显性边缘信号矩阵Dedge;本优选实施例中,腐蚀缺陷显性边缘信号矩阵Dedge的大小为10×60。
本优选实施例中,经过双阈值显性增强处理后得到的腐蚀缺陷显性边缘信号矩阵的二维图像如图4所示。
步骤4,对腐蚀缺陷显性边缘信号矩阵Dedge进行边缘信号细化处理,得到腐蚀缺陷显性边缘细化信号矩阵Dedge_refine。
具体地,
在步骤4中,边缘信号细化处理的具体步骤如下:
步骤4.1,将腐蚀缺陷显性边缘信号矩阵Dedge分解为M个大小为1×N的行矩阵其中M为腐蚀缺陷显性边缘信号矩阵Dedge的行数、N为腐蚀缺陷显性边缘信号矩阵Dedge的列数,表示第p个腐蚀缺陷显性边缘信号行矩阵,上标p=1,2,…,M;本优选实施例中,将腐蚀缺陷显性边缘信号矩阵Dedge分解为10个大小为1×60的行矩阵上标p=1,2,…,10;
步骤4.2,遍历所有腐蚀缺陷显性边缘信号行矩阵,对于任意一个腐蚀缺陷显性边缘信号行矩阵先确定其中的正极大值元素和负极小值元素再将正极大值元素左侧和右侧各L个元素值均设置为1、将负极大值元素左侧和右侧各L个元素值均设置为-1,最后将其余元素均设置为0,得到腐蚀缺陷显性边缘细化信号行矩阵
L是一个与实际检测点的间距有关的正整数,满足如下关系式:
式中,
s表示输电线塔架漏磁检测中漏磁信号的实际检测点的间距,单位为mm,本优选实施例中,漏磁检测信号的实际检测点间距s=1mm;
式中,
本优选实施例中,经过细化处理后的腐蚀缺陷显性边缘细化信号矩阵的二维图像如图5所示。
步骤5,根据腐蚀缺陷显性边缘细化信号矩阵Dedge_refine中的数据,对腐蚀缺陷轮廓进行闭合处理,得到腐蚀缺陷区域Ad。
具体地,
在步骤5中,腐蚀缺陷轮廓的闭合处理是指,遍历所有腐蚀缺陷显性边缘细化信号行矩阵,对于任意一个腐蚀缺陷显性边缘细化信号行矩阵将所有处于值为1的元素和值为-1的元素之间位置、并且值为0的元素的值修改为1;
闭合处理完成后,腐蚀缺陷显性边缘细化信号矩阵Dedge_refine中所有的值不为0的元素所组成的区域即为腐蚀缺陷区域Ad。
本优选实施例中,经过轮廓闭合处理后得到的腐蚀缺陷区域的二值化图像如图6所示。
步骤6,以腐蚀缺陷区域Ad中心位置点(x0,y0)为基准,经过k倍收缩操作后得到收缩区域A′d,其中x0表示腐蚀缺陷区域Ad中心位置点的横坐标、y0表示腐蚀缺陷区域Ad中心位置点的纵坐标,按如下关系式计算收缩区域A’d中的三维漏磁合成信号值
式中,
x′表示收缩区域A′d中任意位置点的横坐标,y′表示收缩区域A′d中任意位置点的纵坐标,
BH(x′,y′)表示收缩区域A′d中任意位置点的三维漏磁信号的水平分量,
BV(x′,y′)表示收缩区域A′d中任意位置点的三维漏磁信号的垂直分量,
BF(x′,y′)表示收缩区域A′d中任意位置点的三维漏磁信号的法向分量。
本优选实施例中,收缩区域的三维漏磁合成信号的三维图像如图7所示。
具体地,
在步骤6中,
在步骤6中,对腐蚀缺陷区域Ad进行k倍收缩操作以获得收缩区域A′d,是指以腐蚀缺陷区域Ad的中心位置点(x0,y0)为基准,对腐蚀缺陷区域Ad中的任意位置点P(x,y)按如下关系式计算得到收缩区域A′d中的位置点P′(x′,y′):
x′=(x-x0)/k+x0,y′=(y-y0)/k+y0
式中,
k表示收缩系数,是大于等于1的正数,本优选实施例中,k=1.5。
步骤7,遍历腐蚀缺陷区域Ad中各位置点,各位置点的三维漏磁合成信号值通过对收缩区域A′d中各位置点的三维漏磁合成信号值的插值计算得到,从而得到最终的缺陷轮廓矩阵Dprofile,其中x表示腐蚀缺陷区域Ad中任意位置点的横坐标、y表示腐蚀缺陷区域Ad中任意位置点的纵坐标,信号值dprofile(x,y)满足如下关系式:
式中,
dprofile(x,y)表示缺陷轮廓矩阵Dprofile中任意位置点的轮廓显示值,
具体地
在步骤7中,
式中,
式中,
步骤8,对缺陷轮廓矩阵Dprofile进行三维显示,得到输电线塔架腐蚀缺陷漏磁检测信号反演成像。
本优选实施例中,最终得到的输电线塔架的矩形槽腐蚀缺陷漏磁检测信号的反演成像如图8所示。该实施例中,缺陷开口轮廓的反演平均相对误差为4.18%,总计算时间为10.5秒,反演误差小,计算速度快。
实施例2。
本优选实施例,实施一次输电线塔架漏磁检测,对检测到的一个坑状缺陷的漏磁检测信号进行反演成像显示。
图1是本发明的输电线塔架腐蚀缺陷漏磁检测信号反演成像方法的流程图,该方法包括以下步骤:
步骤1,采集输电线塔架的三维漏磁检测信号,获取腐蚀缺陷处的漏磁检测信号水平分量矩阵BH。
具体地,
采集的输电线塔架的漏磁检测信号包含水平分量、垂直分量和法向分量,其中水平分量是指沿输电线塔架磁化方向的漏磁检测信号;
在步骤1中,
当采集的漏磁检测信号水平分量的幅值|BH(x,y)|满足下列三种条件之一时,则认为所采集的漏磁检测信号水平分量为腐蚀缺陷处的漏磁检测信号水平分量,三种条件分别如下:
第一条件:|BH(x,y)|≥BTH,
式中,
BH(x,y)表示腐蚀缺陷区域Ad中任意位置点的漏磁检测信号水平分量,其中:腐蚀缺陷区域Ad中任意位置点的横坐标x实际为漏磁检测信号采样的序列数、腐蚀缺陷区域Ad中任意位置点的纵坐标y实际为磁传感器通道的序列数;
BTH为设定的高阈值,其取值范围的上限是漏磁检测信号水平分量平均值的1.20倍,下限是漏磁检测信号水平分量平均值的1.05倍;本优选实施例中,设定高阈值BTH=30Gs;
第二条件:|BH(x,y)|≤BTL
式中,
BTL为设定的低阈值,其取值范围的上限是漏磁检测信号水平分量平均值的0.95倍,下限是漏磁检测信号水平分量平均值的0.80倍;本优选实施例中,设定低阈值BTL=-15Gs;
第三条件:BH(x,y)采样序列向前或向后各K个信号数据或BH(x,y)相邻磁传感器通道数据中,有满足第一条件或第二条件的信号数据,
其中,
K为设定的步长,且K为正整数,本优选实施例中,步长K=5;
BH(x,y)采样序列向前或向后各K个信号数据是:BH(x-K,y),BH(x-K+1,y),……,BH(x+K-1,y),BH(x+K,y);
BH(x,y)相邻磁传感器通道数据是:BH(x,y+1),BH(x,y-1);
将能够包含所有满足第一条件、第二条件和第三条件中的任意一个条件,且坐标位置相邻的漏磁检测信号水平分量BH(x,y)的最小矩阵单元,作为腐蚀缺陷处的漏磁检测信号水平分量矩阵BH;本发明优选实施例中,共有1个满足条件的漏磁检测信号水平分量矩阵Bx,即说明被检测的输电线塔架中存在腐蚀缺陷。
步骤2,对腐蚀缺陷处的漏磁检测信号水平分量矩阵BH进行显性处理:将显性算子G与漏磁检测信号水平分量矩阵BH进行平面卷积运算,得到腐蚀缺陷处的漏磁检测信号显性矩阵D。
具体地,
在步骤2中,腐蚀缺陷处的漏磁检测信号显性矩阵D满足如下关系式:
D=G*BH
式中,
D表示腐蚀缺陷处的漏磁检测信号显性矩阵,
G表示显性算子,是5×5的矩阵算子,并满足如下关系式:
因此,显性矩阵D的任意元素D(x,y)表示如下:
D(x,y)=(-1)×BH(x-2,y)+(-2)×BH(x-1,y)+2×BH(x+1,y)+1×BH(x+2,y)
步骤3,对腐蚀缺陷处的漏磁检测信号显性矩阵D进行双阈值显性增强处理:从中提取出能够用于表征腐蚀缺陷显性边缘的信号数据,组成腐蚀缺陷处的显性边缘信号矩阵Dedge。
具体地,
在步骤3中,双阈值显性增强处理的具体步骤如下:
步骤3.1,分别设置第一高阈值TH1、第二高阈值TH2、第一低阈值TL1和第二低阈值TL2,并且满足如下关系式:
TH1>TL1>0>TL2>TH2
第一高阈值TH1、第二高阈值TH2取值范围的上限是漏磁检测信号水平分量平均值的1.20倍,下限是漏磁检测信号水平分量平均值的1.05倍,
第一低阈值TL1和第二低阈值TL2取值范围的上限是漏磁检测信号水平分量平均值的0.95倍,下限是漏磁检测信号水平分量平均值的0.80倍;
本发明优选实施例中,设定第一高阈值TH1=20、第二高阈值TH2=-10、第一低阈值TL1=15、第二低阈值TL2=-5。
步骤3.2,按照如下规则对腐蚀缺陷处的漏磁检测信号显性矩阵D中的元素D(x,y)进行标记:
(1)若D(x,y)>TH1或D(x,y)<TH2,则标记元素D(x,y)为边界点,
(2)若TL2<D(x,y)<TL1,则标记元素D(x,y)为非边界点,
(3)若TL1≤D(x,y)≤TH1或TH2≤D(i,j)≤TL2,则考察该元素D(x,y)的八连通区域内是否存在满足条件(1)的元素,若存在则将元素D(x,y)标记为边界点,若不存在,则将元素D(x,y)标记为非边界点。
步骤3.3,腐蚀缺陷处的漏磁检测信号显性矩阵D中被标记为边界点的元素数值保持不变,将腐蚀缺陷处的漏磁检测信号显性矩阵D中被标记为非边界点的元素的数值均设置为0,形成腐蚀缺陷显性边缘信号矩阵Dedge;本优选实施例中,腐蚀缺陷显性边缘信号矩阵Dedge的大小为15×80。
步骤4,对腐蚀缺陷显性边缘信号矩阵Dedge进行边缘信号细化处理,得到腐蚀缺陷显性边缘细化信号矩阵Dedge_refine。
具体地,
在步骤4中,边缘信号细化处理的具体步骤如下:
步骤4.1,将腐蚀缺陷显性边缘信号矩阵Dedge分解为M个大小为1×N的行矩阵其中M为腐蚀缺陷显性边缘信号矩阵Dedge的行数、N为腐蚀缺陷显性边缘信号矩阵Dedge的列数,表示第p个腐蚀缺陷显性边缘信号行矩阵,上标p=1,2,…,M;本优选实施例中,将腐蚀缺陷显性边缘信号矩阵Dedge分解为15个大小为1×80的行矩阵上标p=1,2,…,15;
步骤4.2,遍历所有腐蚀缺陷显性边缘信号行矩阵,对于任意一个腐蚀缺陷显性边缘信号行矩阵先确定其中的正极大值元素和负极小值元素再将正极大值元素左侧和右侧各L个元素值均设置为1、将负极大值元素左侧和右侧各L个元素值均设置为-1,最后将其余元素均设置为0,得到腐蚀缺陷显性边缘细化信号行矩阵
L是一个与实际检测点的间距有关的正整数,满足如下关系式:
式中,
s表示输电线塔架漏磁检测中漏磁信号的实际检测点的间距,单位为mm,本优选实施例中,漏磁检测信号的实际检测点间距s=1mm;
式中,
步骤5,根据腐蚀缺陷显性边缘细化信号矩阵Dedge_refine中的数据,对腐蚀缺陷轮廓进行闭合处理,得到腐蚀缺陷区域Ad。
具体地,
在步骤5中,腐蚀缺陷轮廓的闭合处理是指,遍历所有腐蚀缺陷显性边缘细化信号行矩阵,对于任意一个腐蚀缺陷显性边缘细化信号行矩阵将所有处于值为1的元素和值为-1的元素之间位置、并且值为0的元素的值修改为1;
闭合处理完成后,腐蚀缺陷显性边缘细化信号矩阵Dedge_refine中所有的值不为0的元素所组成的区域即为腐蚀缺陷区域Ad。
本优选实施例中,经过轮廓闭合处理后得到的腐蚀缺陷区域的二值化图像如图6所示。
步骤6,以腐蚀缺陷区域Ad中心位置点(x0,y0)为基准,经过k倍收缩操作后得到收缩区域A′d,其中x0表示腐蚀缺陷区域Ad中心位置点的横坐标、y0表示腐蚀缺陷区域Ad中心位置点的纵坐标,按如下关系式计算收缩区域A’d中的三维漏磁合成信号值
式中,
x′表示收缩区域A′d中任意位置点的横坐标,y′表示收缩区域A′d中任意位置点的纵坐标,
BH(x′,y′)表示收缩区域A′d中任意位置点的三维漏磁信号的水平分量,
BV(x′,y′)表示收缩区域A′d中任意位置点的三维漏磁信号的垂直分量,
BF(x′,y′)表示收缩区域A′d中任意位置点的三维漏磁信号的法向分量。
本优选实施例中,收缩区域的三维漏磁合成信号的三维图像如图7所示。
具体地,
在步骤6中,
在步骤6中,对腐蚀缺陷区域Ad进行k倍收缩操作以获得收缩区域A′d,是指以腐蚀缺陷区域Ad的中心位置点(x0,y0)为基准,对腐蚀缺陷区域Ad中的任意位置点P(x,y)按如下关系式计算得到收缩区域A′d中的位置点P′(x′,y′):
x′=(x-x0)/k+x0,y′=(y-y0)/k+y0
式中,
k表示收缩系数,是大于等于1的正数,本优选实施例中,k=1.8。
步骤7,遍历腐蚀缺陷区域Ad中各位置点,各位置点的三维漏磁合成信号值通过对收缩区域A′d中各位置点的三维漏磁合成信号值的插值计算得到,从而得到最终的缺陷轮廓矩阵Dprofile,其中x表示腐蚀缺陷区域Ad中任意位置点的横坐标、y表示腐蚀缺陷区域Ad中任意位置点的纵坐标,信号值dprofile(x,y)满足如下关系式:
式中,
dprofile(x,y)表示缺陷轮廓矩阵Dprofile中任意位置点的轮廓显示值,
具体地
在步骤7中,
式中,
式中,
步骤8,对缺陷轮廓矩阵Dprofile进行三维显示,得到输电线塔架腐蚀缺陷漏磁检测信号反演成像。
本优选实施例中,最终得到的输电线塔架的坑状腐蚀缺陷漏磁检测信号的反演成像如图9所示。该实施例中,缺陷开口轮廓的反演平均相对误差为4.62%,总计算时间为11.9秒,反演误差小,计算速度快。
输电线塔架腐蚀缺陷漏磁检测信号反演成像系统,如图10所示,反演成像系统包括漏磁信号检测模块、漏磁信号处理模块、漏磁信号反演成像模块。
漏磁信号检测模块,用于获取输电线塔架的三维漏磁检测信号以及腐蚀缺陷处的漏磁检测信号水平分量矩阵。
漏磁信号处理模块,用于对腐蚀缺陷处的漏磁检测信号水平分量矩阵进行显性处理、双阈值显性增强处理、边缘信号细化处理、轮廓闭合处理及收缩区域的漏磁三维合成信号值插值计算等操作,最终获得缺陷轮廓矩阵;漏磁信号处理模块包括:显性处理单元、显性增强单元、边缘细化单元、轮廓闭合单元、三位漏磁信号合成单元。
漏磁信号反演成像模块,实现缺陷轮廓矩阵的三维显示,即获得腐蚀缺陷漏磁检测信号反演成像。
显性处理单元是平面卷积运算单元,用于对漏磁检测信号水平分量矩阵进行显性处理。
显性增强单元采用双阈值显性增强处理算法,用于提取能够用于表征腐蚀缺陷显性边缘的信号数据组成腐蚀缺陷显性边缘信号矩阵。
边缘细化单元,用于对腐蚀缺陷显性边缘信号矩阵进行边缘信号细化处理。
轮廓闭合单元,对细化处理后的腐蚀缺陷显性边缘信号矩阵,沿着输电线塔架磁化方向进行连接与填充,实现轮廓闭合处理,以获得腐蚀缺陷区域及对其k倍收缩操作后的收缩区域。
三位漏磁信号合成单元,先采用分量合成算法计算收缩区域中各位置点的三维漏磁合成信号值,然后采用插值算法得到腐蚀缺陷区域的三维漏磁合成信号值,即获得最终的缺陷轮廓矩阵。
本发明的有益效果在于,与现有技术相比,该方法可以快速便捷地对输电线塔架腐蚀缺陷进行检测识别和反演成像,从而为用户提供清晰直观的缺陷信息,可为输电线塔架的安全维护提供了有效的指导依据。在腐蚀缺陷漏磁检测信号反演成像显示过程中,不需要进行闭环迭代,可以快速实现腐蚀缺陷的三维成像,具有计算操作简单、计算速度快、反演精度高等优点。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施示例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (14)
1.输电线塔架腐蚀缺陷漏磁检测信号反演成像方法,其特征在于,
所述方法的步骤如下:
步骤1,采集输电线塔架的三维漏磁检测信号,获取腐蚀缺陷处的漏磁检测信号水平分量矩阵BH;
步骤2,对腐蚀缺陷处的漏磁检测信号水平分量矩阵BH进行显性处理:将显性算子G与漏磁检测信号水平分量矩阵BH进行平面卷积运算,得到腐蚀缺陷处的漏磁检测信号显性矩阵D;
步骤3,对腐蚀缺陷处的漏磁检测信号显性矩阵D进行双阈值显性增强处理:从中提取出能够用于表征腐蚀缺陷显性边缘的信号数据,组成腐蚀缺陷处的显性边缘信号矩阵Dedge;
步骤4,对腐蚀缺陷显性边缘信号矩阵Dedge进行边缘信号细化处理,得到腐蚀缺陷显性边缘细化信号矩阵Dedge_refine;
步骤5,根据腐蚀缺陷显性边缘细化信号矩阵Dedge_refine中的数据,对腐蚀缺陷轮廓进行闭合处理,得到腐蚀缺陷区域Ad;
步骤6,以腐蚀缺陷区域Ad中心位置点(x0,y0)为基准,经过k倍收缩操作后得到收缩区域A′d,其中x0表示腐蚀缺陷区域Ad中心位置点的横坐标、y0表示腐蚀缺陷区域Ad中心位置点的纵坐标,按如下关系式计算收缩区域A’d中的三维漏磁合成信号值
式中,
x′表示收缩区域A′d中任意位置点的横坐标,y′表示收缩区域A′d中任意位置点的纵坐标,
BH(x′,y′)表示收缩区域A′d中任意位置点的三维漏磁信号的水平分量,
BV(x′,y′)表示收缩区域A′d中任意位置点的三维漏磁信号的垂直分量,
BF(x′,y′)表示收缩区域A′d中任意位置点的三维漏磁信号的法向分量;
步骤7,遍历腐蚀缺陷区域Ad中各位置点,各位置点的三维漏磁合成信号值通过对收缩区域A′d中各位置点的三维漏磁合成信号值的插值计算得到,从而得到最终的缺陷轮廓矩阵Dprofile,其中x表示腐蚀缺陷区域Ad中任意位置点的横坐标、y表示腐蚀缺陷区域Ad中任意位置点的纵坐标,信号值dprofile(x,y)满足如下关系式:
式中,
dprofile(x,y)表示缺陷轮廓矩阵Dprofile中任意位置点的轮廓显示值,
步骤8,对缺陷轮廓矩阵Dprofile进行三维显示,得到输电线塔架腐蚀缺陷漏磁检测信号反演成像。
2.根据权利要求1所述的输电线塔架腐蚀缺陷漏磁检测信号反演成像方法,其特征在于,
在步骤1中,采集的输电线塔架的漏磁检测信号包含水平分量、垂直分量和法向分量,其中水平分量是指沿输电线塔架磁化方向的漏磁检测信号。
3.根据权利要求1所述的输电线塔架腐蚀缺陷漏磁检测信号反演成像方法,其特征在于,
当采集的漏磁检测信号水平分量的幅值|BH(x,y)|满足下列三种条件之一时,则认为所采集的漏磁检测信号水平分量为腐蚀缺陷处的漏磁检测信号水平分量,三种条件分别如下:
第一条件:|BH(x,y)|≥BTH,
式中,
BH(x,y)表示腐蚀缺陷区域Ad中任意位置点的漏磁检测信号水平分量,其中:腐蚀缺陷区域Ad中任意位置点的横坐标x实际为漏磁检测信号采样的序列数、腐蚀缺陷区域Ad中任意位置点的纵坐标y实际为磁传感器通道的序列数,
BTH为设定的高阈值;
第二条件:|BH(x,y)|≤BTL,
式中,
BTL为设定的低阈值;
第三条件:BH(x,y)采样序列向前或向后各K个信号数据或BH(x,y)相邻磁传感器通道数据中,有满足第一条件或第二条件的信号数据,
其中,
BH(x,y)采样序列向前或向后各K个信号数据是:BH(x-K,y),BH(x-K+1,y),……,BH(x+K-1,y),BH(x+K,y);
BH(x,y)相邻磁传感器通道数据是:BH(x,y+1),BH(x,y-1);
K为设定的步长,且K为正整数。
4.根据权利要求3所述的输电线塔架腐蚀缺陷漏磁检测信号反演成像方法,其特征在于,
所述高阈值BTH取值范围的上限是漏磁检测信号水平分量平均值的1.20倍,下限是漏磁检测信号水平分量平均值的1.05倍;
所述低阈值BTL取值范围的上限是漏磁检测信号水平分量平均值的0.95倍,下限是漏磁检测信号水平分量平均值的0.80倍。
5.根据权利要求3所述的输电线塔架腐蚀缺陷漏磁检测信号反演成像方法,其特征在于,
将能够包含所有满足第一条件、第二条件和第三条件中的任意一个条件,且坐标位置相邻的漏磁检测信号水平分量BH(x,y)的最小矩阵单元,作为腐蚀缺陷处的漏磁检测信号水平分量矩阵BH。
7.根据权利要求1所述的输电线塔架腐蚀缺陷漏磁检测信号反演成像方法,其特征在于,
步骤3中双阈值显性增强处理包括:
步骤3.1,分别设置第一高阈值TH1、第二高阈值TH2、第一低阈值TL1和第二低阈值TL2,并且满足如下关系式:
TH1>TL1>0>TL2>TH2
所述第一高阈值TH1、第二高阈值TH2取值范围的上限是漏磁检测信号水平分量平均值的1.20倍,下限是漏磁检测信号水平分量平均值的1.05倍,
所述第一低阈值TL1和第二低阈值TL2取值范围的上限是漏磁检测信号水平分量平均值的0.95倍,下限是漏磁检测信号水平分量平均值的0.80倍;
步骤3.2,按照如下规则对腐蚀缺陷处的漏磁检测信号显性矩阵D中的元素D(x,y)进行标记:
(1)若D(x,y)>TH1或D(x,y)<TH2,则标记元素D(x,y)为边界点,
(2)若TL2<D(x,y)<TL1,则标记元素D(x,y)为非边界点,
(3)若TL1≤D(x,y)≤TH1或TH2≤D(i,j)≤TL2,则考察该元素D(x,y)的八连通区域内是否存在满足条件(1)的元素,若存在则将元素D(x,y)标记为边界点,若不存在,则将元素D(x,y)标记为非边界点;
步骤3.3,腐蚀缺陷处的漏磁检测信号显性矩阵D中被标记为边界点的元素数值保持不变,将腐蚀缺陷处的漏磁检测信号显性矩阵D中被标记为非边界点的元素的数值均设置为0,形成腐蚀缺陷显性边缘信号矩阵Dedge。
8.根据权利要求1所述的输电线塔架腐蚀缺陷漏磁检测信号反演成像方法,其特征在于,
步骤4中边缘信号细化处理包括:
步骤4.1,将腐蚀缺陷显性边缘信号矩阵Dedge分解为M个大小为1×N的行矩阵其中M为腐蚀缺陷显性边缘信号矩阵Dedge的行数、N为腐蚀缺陷显性边缘信号矩阵Dedge的列数,表示第p个腐蚀缺陷显性边缘信号行矩阵,上标p=1,2,…,M;
步骤4.2,遍历所有腐蚀缺陷显性边缘信号行矩阵,对于任意一个腐蚀缺陷显性边缘信号行矩阵先确定其中的正极大值元素和负极小值元素再将正极大值元素左侧和右侧各L个元素值均设置为1、将负极大值元素左侧和右侧各L个元素值均设置为-1,最后将其余元素均设置为0,得到腐蚀缺陷显性边缘细化信号行矩阵
式中,
11.根据权利要求1所述的输电线塔架腐蚀缺陷漏磁检测信号反演成像方法,其特征在于,
在步骤6中,对腐蚀缺陷区域Ad进行k倍收缩操作以获得收缩区域A′d,是指以腐蚀缺陷区域Ad的中心位置点(x0,y0)为基准,对腐蚀缺陷区域Ad中的任意位置点P(x,y)按如下关系式计算得到收缩区域A′d中的位置点P′(x′,y′):
x′=(x-x0)/k+x0,y′=(y-y0)/k+y0
式中,
k表示收缩系数,是大于等于1的正数。
13.基于权利要求1所述的输电线塔架腐蚀缺陷漏磁检测信号反演成像方法的输电线塔架腐蚀缺陷漏磁检测信号反演成像系统,其特征在于,
所述反演成像系统包括漏磁信号检测模块、漏磁信号处理模块、漏磁信号反演成像模块;
漏磁信号检测模块,用于获取输电线塔架的三维漏磁检测信号以及腐蚀缺陷处的漏磁检测信号水平分量矩阵;
漏磁信号处理模块,用于对腐蚀缺陷处的漏磁检测信号水平分量矩阵进行显性处理、双阈值显性增强处理、边缘信号细化处理、轮廓闭合处理及收缩区域的漏磁三维合成信号值插值计算操作,最终获得缺陷轮廓矩阵;漏磁信号处理模块包括:显性处理单元、显性增强单元、边缘细化单元、轮廓闭合单元、三位漏磁信号合成单元;
漏磁信号反演成像模块,实现缺陷轮廓矩阵的三维显示,即获得腐蚀缺陷漏磁检测信号反演成像。
14.根据权利要求12所述的输电线塔架腐蚀缺陷漏磁检测信号反演成像系统,其特征在于,
所述显性处理单元是平面卷积运算单元,用于对漏磁检测信号水平分量矩阵进行显性处理;
所述显性增强单元采用双阈值显性增强处理算法,用于提取能够用于表征腐蚀缺陷显性边缘的信号数据组成腐蚀缺陷显性边缘信号矩阵;
所述边缘细化单元,用于对腐蚀缺陷显性边缘信号矩阵进行边缘信号细化处理;
所述轮廓闭合单元,对细化处理后的腐蚀缺陷显性边缘信号矩阵,沿着输电线塔架磁化方向进行连接与填充,实现轮廓闭合处理,以获得腐蚀缺陷区域及对其k倍收缩操作后的收缩区域;
所述三位漏磁信号合成单元,先采用分量合成算法计算收缩区域中各位置点的三维漏磁合成信号值,然后采用插值算法得到腐蚀缺陷区域的三维漏磁合成信号值,即获得最终的缺陷轮廓矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110301696.1A CN113030244B (zh) | 2021-03-22 | 2021-03-22 | 输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110301696.1A CN113030244B (zh) | 2021-03-22 | 2021-03-22 | 输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113030244A true CN113030244A (zh) | 2021-06-25 |
CN113030244B CN113030244B (zh) | 2024-01-23 |
Family
ID=76472185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110301696.1A Active CN113030244B (zh) | 2021-03-22 | 2021-03-22 | 输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113030244B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110220966A (zh) * | 2019-03-07 | 2019-09-10 | 北方民族大学 | 一种漏磁检测缺陷三维量化方法 |
KR102607277B1 (ko) * | 2023-06-07 | 2023-11-29 | 한전케이피에스 주식회사 | 결함 감지 시스템 및 그 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104990977A (zh) * | 2015-06-29 | 2015-10-21 | 清华大学 | 三维漏磁检测缺陷复合反演成像方法 |
CN107741454A (zh) * | 2017-09-04 | 2018-02-27 | 清华大学 | 基于法向分量的伪三维漏磁信号缺陷轮廓识别方法 |
CN108693444A (zh) * | 2018-05-23 | 2018-10-23 | 西安交通大学 | 一种基于电磁信号时间反演的输电线路故障点定位方法 |
CN109115217A (zh) * | 2018-07-05 | 2019-01-01 | 国网陕西省电力公司电力科学研究院 | 基于电流磁场的输电线路特殊杆塔位置导线参数反演方法 |
CN112180450A (zh) * | 2020-09-22 | 2021-01-05 | 西安交通大学 | 一种基于磁场测量的直流电缆的三维重构和成像方法 |
-
2021
- 2021-03-22 CN CN202110301696.1A patent/CN113030244B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104990977A (zh) * | 2015-06-29 | 2015-10-21 | 清华大学 | 三维漏磁检测缺陷复合反演成像方法 |
CN107741454A (zh) * | 2017-09-04 | 2018-02-27 | 清华大学 | 基于法向分量的伪三维漏磁信号缺陷轮廓识别方法 |
CN108693444A (zh) * | 2018-05-23 | 2018-10-23 | 西安交通大学 | 一种基于电磁信号时间反演的输电线路故障点定位方法 |
CN109115217A (zh) * | 2018-07-05 | 2019-01-01 | 国网陕西省电力公司电力科学研究院 | 基于电流磁场的输电线路特殊杆塔位置导线参数反演方法 |
CN112180450A (zh) * | 2020-09-22 | 2021-01-05 | 西安交通大学 | 一种基于磁场测量的直流电缆的三维重构和成像方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110220966A (zh) * | 2019-03-07 | 2019-09-10 | 北方民族大学 | 一种漏磁检测缺陷三维量化方法 |
CN110220966B (zh) * | 2019-03-07 | 2022-12-13 | 宜昌华腾管道工程有限公司 | 一种漏磁检测缺陷三维量化方法 |
KR102607277B1 (ko) * | 2023-06-07 | 2023-11-29 | 한전케이피에스 주식회사 | 결함 감지 시스템 및 그 방법 |
Also Published As
Publication number | Publication date |
---|---|
CN113030244B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111256594B (zh) | 一种飞机蒙皮表面状态物理特征的测量方法 | |
CN110598613B (zh) | 一种高速公路团雾监测方法 | |
CN110428450B (zh) | 应用于矿井巷道移动巡检图像的尺度自适应目标跟踪方法 | |
Zhao et al. | An attention encoder-decoder network based on generative adversarial network for remote sensing image dehazing | |
CN111145209A (zh) | 一种医学图像分割方法、装置、设备及存储介质 | |
CN113030244A (zh) | 输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统 | |
CN111539330B (zh) | 一种基于双svm多分类器的变电站数显仪表识别方法 | |
CN111833312A (zh) | 一种检测故障绝缘子放电的紫外图像诊断方法及系统 | |
CN115272306B (zh) | 利用梯度运算的太阳能电池板栅线增强方法 | |
CN114155474A (zh) | 基于视频语义分割算法的损伤识别技术 | |
CN111401358B (zh) | 一种基于神经网络的仪表表盘校正方法 | |
CN116612106A (zh) | 一种基于yolox算法的光学元件表面缺陷检测方法 | |
CN113780110A (zh) | 一种图像序列中弱小目标实时检测方法及设备 | |
CN114612664A (zh) | 一种基于双边分割网络的细胞核分割方法 | |
CN114241310B (zh) | 基于改进yolo模型的堤防管涌险情智能识别方法 | |
CN117291913B (zh) | 一种水工混凝土结构表观裂缝测量方法 | |
CN111047559A (zh) | 一种数字病理切片异常区域快速检测的方法 | |
Shit et al. | An encoder‐decoder based CNN architecture using end to end dehaze and detection network for proper image visualization and detection | |
CN111311515B (zh) | 一种错误区域自动检测的深度图像快速迭代修复方法 | |
CN111612803A (zh) | 一种基于图像清晰度的车辆图像语义分割方法 | |
CN115601379A (zh) | 一种基于数字图像处理的表面裂纹精确检测技术 | |
CN115330705A (zh) | 一种基于自适应加权模板ncc的蒙皮漆面缺陷检测方法 | |
CN115439319A (zh) | 一种电滑线防护装置裸露检测方法 | |
CN115619721A (zh) | 海底浅层沉积物中的生物扰动作用的定量估算方法 | |
CN114359102A (zh) | 一种基于注意力机制与边缘引导的图像深度修复取证方法 |
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 |