CN113588796A - 一种海洋管道监测预警方法及系统 - Google Patents

一种海洋管道监测预警方法及系统 Download PDF

Info

Publication number
CN113588796A
CN113588796A CN202111167741.5A CN202111167741A CN113588796A CN 113588796 A CN113588796 A CN 113588796A CN 202111167741 A CN202111167741 A CN 202111167741A CN 113588796 A CN113588796 A CN 113588796A
Authority
CN
China
Prior art keywords
line segment
value
image
scan image
dot
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
Application number
CN202111167741.5A
Other languages
English (en)
Other versions
CN113588796B (zh
Inventor
刘长华
严谨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Ocean University
Original Assignee
Guangdong Ocean University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Ocean University filed Critical Guangdong Ocean University
Priority to CN202111167741.5A priority Critical patent/CN113588796B/zh
Publication of CN113588796A publication Critical patent/CN113588796A/zh
Application granted granted Critical
Publication of CN113588796B publication Critical patent/CN113588796B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
    • G01N29/0654—Imaging
    • G01N29/069—Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00—Protection or supervision of installations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G01N2291/0234—Metals, e.g. steel

Abstract

本发明公开了一种海洋管道监测预警方法，包括步骤部署TOFD检测系统，使用TOFD检测系统扫描目标海洋管道，获得海洋管道的D扫图像集合，处理并分割D扫图像，从D扫图像提取出管道有缺陷风险的区域，根据有缺陷风险的区域进行预警。本发明实现了对潜在的海洋管道缺陷进行自动识别，减少了人工识别的工作量与负担，使得经验较少的工作人员能进行海洋管道检测，提高了缺陷识别的准确率，大大提高了工作效率。

Description

一种海洋管道监测预警方法及系统
技术领域
本发明涉及数字图像处理、超声无损检测技术领域，具体涉及一种海洋管道监测预警方法及系统。
背景技术
超声波衍射时差法(Time of flight diffraction，TOFD)是一种广泛用于无损的管道检测方法，它具有可靠性好，测量精度高，检测过程简单，只需一人就可以完成检测，检测的结果包含丰富的信息，有利于对缺陷进行全面识别和分析。
海洋管道由于长时间的运行腐蚀和磨损、设备的自然老化、地质灾害以及人为损坏等原因，管道微小缺陷(如腐蚀穿孔、焊接裂缝等)导致的泄漏事故时有发生。海洋管道泄漏缺陷造成资源浪费，给管网的安全运行带来严重威胁，对周边生态环境和安全造成巨大损害，所以对于海洋管道检测显得尤为重要。
TOFD利用了衍射这一常见的超声波，检测系统利用纵波-纵波衍射为原理进行检测，检测系统有一个发射探头和接收探头布置在被检工件的焊缝两侧。
传统识别TOFD图像主要依靠手工识别TOFD图像，对技术人员的经验依赖性强，容易出现漏检错检，标准不明确，是TOFD技术大规模发展的障碍。
发明内容
本发明的目的在于提出一种海洋管道监测预警方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为实现上述技术目的，本发明技术方案如下：
一种海洋管道监测预警方法，所述方法包括以下步骤：
步骤1，部署TOFD检测系统；
步骤2，使用TOFD检测系统扫描目标海洋管道，获得海洋管道的D扫图像集合；
步骤3，处理并分割D扫图像，从D扫图像提取出管道有缺陷风险的区域；
步骤4，根据有缺陷风险的区域进行预警。
进一步地，步骤1中，部署TOFD检测系统的子步骤为：
在海洋管道部署TOFD检测系统，所述TOFD检测系统包括一个发射端和接收端，所述发射端以一定角度往海洋管道表面发射非聚焦纵波波束，接收端接收到海洋管道表面反射的非聚焦纵波波束并记录，TOFD检测模式为纵向扫查，扫查方向与发射端与接收端的连线垂直, 扫查方向往海洋管道方向延伸。其中，扫查或称为扫描。
其中，海洋管道为海底油、气集输管道，干线管道以及管道与平台连接的主管道部分。
进一步地，步骤2中，使用TOFD检测系统扫描目标海洋管道，获得海洋管道的D扫图像集合的子步骤为：
利用TOFD检测系统扫描目标海洋管道，获得TOFD图像；
转换TOFD图像至D扫图像，所述D扫图像记录了TOFD系统的接收端收到的发射端发出的声波数据，所述声波数据记录了接收端接收到的波形振幅与时间的关系，所述D扫图像是灰度图，记录了TOFD检测系统沿海洋管道行进时接收的数据，TOFD检测系统沿海洋管道横向移动检测，每横向移动一次获得一个TOFD图像，一个海洋管道的所有D扫图像构成D扫图像集合。
进一步地，步骤3中，处理并分割D扫图像，从D扫图像提取出管道有缺陷风险的区域的子步骤为：
步骤3.1，从D扫图像集合依次加载D扫图像，对D扫图像进行滤波和特征提取处理，以图像的左下端点为原点建立坐标系，x轴为图像的下边缘线，y轴为图像的左边缘线，图像的分辨率为X×Y像素；
对D扫图像进行特征提取处理的子步骤为：
对于D扫图像中的像素点的灰度值，如果一个像素的灰度值不大于第一灰度阈值，则当前像素标记为白色点；如果一个像素的灰度值大于第一灰度阈值而且不大于第二灰度阈值，则当前像素标记为灰色点；如果一个像素的灰度值大于第二灰度阈值，则当前像素标记为黑色点；
步骤3.2，识别第一基准区域，子步骤为：
初始化x和y的值为1，x的取值范围为[1,X]，y的取值范围为[1，Y]；
步骤3.2.1，如果点(x，y)是黑色点且点(x，y)与点(x+1，y)颜色不同，跳转步骤3.2.3，如果点(x，y)是黑色点且点(x，y)与点(x+1，y)颜色相同，或者点(x，y)不是黑色点颜色则跳转步骤3.2.2；
其中，点(x，y)表示坐标为 (x，y)的像素点，如无特别说明，在本申请中，点(x，y)均表示为表示坐标为 (x，y)的像素点；
其中，颜色不同的意义为像素标记不相同的点，例如，像素点为白色点和另一个像素点为黑色点的颜色不同，像素点为黑色点和另一个像素点为灰色点的颜色不同，像素点为白色点和另一个像素点为灰色点的颜色不同。
其中，颜色相同的意义为像素标记相同的点，例如，像素点为白色点和另一个像素点为白色点则两个像素点颜色相同，像素点为黑色点和另一个像素点为黑色点的颜色相同，像素点为灰色点和另一个像素点为灰色点的颜色相同。
步骤3.2.2，如果x≤0.15X1，令x的值增加1重新执行步骤3.2.1，如果x＞0.15X1跳转步骤3.2.4；
步骤3.2.3，把当前x的值记为Bx1，使x的值以步进1自增直到点(x，y)的颜色为白色或x≥0.25X1，自增终止，自增终止后如果此时x的值≥0.25X1则设置B2x的值为2×Bx1，如果x＜0.25X1则设置B2x的值为当前x的值；跳转步骤3.2.4；
步骤3.2.4，如果y＜0.5Y则令y的值增加1，把x设置为1并重新执行步骤3.2.1；如果y≥0.5Y则跳到步骤3.2.5；
步骤3.2.5，使用当前D扫图像的上一个D扫图像的Bx1和Bx2的值作为当前D扫图像的Bx1和Bx2，如果当前D扫图像是D扫图像集合的第一个D扫图像或者当前D扫图像的上一个D扫图像的Bx1和Bx2值不存在则跳转步骤3.4；
当前D扫图像的上一个D扫图像的Bx1和Bx2值不存在指当前D扫图像的上一个D扫图像的Bx1和Bx2值的不是通过步骤3.2（步骤3.2包括步骤3.2.1到步骤3.2.5）得到，即上一个D扫图像的Bx1和Bx2值来自当前D扫图像的上两个D扫图像（即当前D扫图像的上一个D扫图像的上一个D扫图像）；
注：D扫图像集合中每个D扫图像均有一个Bx1、Bx2、Bx3、Bx4、Bx5、Bx6值；
其中，X1为横轴参考系数，X1的获得方式为：
X1=(1-(d/(d+2c)))×X;
式中，c为海洋管道的厚度，d为接收端与发射端的距离；
通过坐标(Bx1，y)的点作垂直于x轴的直线作为第一基准区域的第一基准线，Bx3=Bx1+2×(Bx2-Bx1)，以第一基准线和点(Bx3，y)与x轴垂直的直线形成的区域为第一基准区域；将By1的值设置为当前y的值；
步骤3.3，识别第二基准区域，子步骤为：
设置x的值为X，y的值为1；
步骤3.3.1，如果点(x，y)是黑色点且点(x，y)与点(x+1，y)颜色不同，跳转步骤3.3.3，如果点(x，y)是黑色点且点(x，y)与点(x+1，y)颜色相同，或者点(x，y)不是黑色点颜色则跳转步骤3.3.2；
步骤3.3.2，如果x≥0.86X1令x的值减少1重新执行步骤3.3.1，如果x＜0.86X1则跳转步骤3.3.4；
步骤3.3.3，把Bx4的值记为X-x，使x的值以步进1自减直到点(x，y)的颜色为白色或x≤0.86X1，自减终止，自减终止后如果此时x≤0.86X1则设置Bx5的值为2×Bx4的值，如果x＞0.86X1则设置Bx5的值为X-x；跳转步骤3.3.6；
步骤3.3.4，如果y＜0.5Y则令y的值增加1，把x设置为X并重新开始步骤3.3.1；如果y≥0.5Y则跳到步骤3.3.5；
步骤3.3.5，使用上一个D扫图像的Bx4和Bx5的值作为当前D扫图像的Bx4和Bx5，并跳转步骤3.3.6，如果当前D扫图像是D扫图像集合的第一个D扫图像或者上一个D扫图像的Bx4和Bx5值不存在则跳转步骤3.4；
步骤3.3.6，以(Bx4，y)与x轴垂直的线作为第二基准区域的第一基准线，Bx6=Bx4-(2×(Bx4-Bx6))，以第二基准区域的第一基准线和(Bx6，y)与x轴垂直的直线形成的区域为第二基准区域；设置By2的值当前y的值；跳转步骤3.5；
其中，(Bx4，y)、(Bx6，y)均表示为坐标值为(Bx4，y)、(Bx6，y)的像素点；
步骤3.4，加载下一个D扫图像并重新开始步骤3.1，如果已检测完所有D扫图像，根据识别结果，输出有缺陷风险的区域；
步骤3.5，以点(Bx3,By1)，(Bx3,Y)，(Bx6,By2)，(Bx6,Y)截取当前D扫图像，获得检测区域图像；跳转步骤3.6；点(Bx3,By1)，(Bx3,Y)，(Bx6,By2)，(Bx6,Y)分别为坐标为(Bx3,By1)，(Bx3,Y)，(Bx6,By2)，(Bx6,Y)的像素点；
步骤3.6，对检测区域图像进行识别；
步骤3.7，重复步骤3.1-3.6，直至检测完所有D扫图像，根据识别结果，输出有缺陷风险的区域。
进一步地，步骤3.6，对检测区域图像进行识别，输出有缺陷风险的区域的子步骤为：
对检测区域图像进行线段检测，获得线段集合L，线段集合L的元素表示为Li，线段集合L中线段的数量为N，i∈[1，N]，初始化i的值为1；
其中，线段检测的方法包括：Hough直线检测算法、LSD直线检测算法、Freeman直线检测算法、尺蠖蠕行算法中任意一种；
初始化线段集合L中每个线段的缺陷指数为0；
步骤3.6.1，获取线段集合L中第i个线段Li的长度为dLi，以线段Li的中点为中心，把符合距离条件的线段加入线段集合LMi，所述距离条件为线段集合L里与线段Li的距离小于距离阈值di且与线段Li没有交点的线段，所述距离指2条线段的中点间距离；
其中线段Li距离阈值di的计算方法为：
di=MAXd(L)÷RLi，
式中，RLi为线段Li的中点到检测区域图像两条竖直边缘的距离较大值与线段Li的中点到检测区域图像两条竖直边缘的距离较小值的比值，MAXd(L)为线段集合L中长度最大的线段的长度；
步骤3.6.2，获得线段Li分别与线段集合LMi中各个线段的距离构成集合dLMi，计算缺陷值β：
Figure 563469DEST_PATH_IMAGE001
；
式中，M为集合dLMi的大小，dLMij为集合dLMi中第j个值，即线段集合LMi中第j个线段与线段Li的距离，dLi为线段集合L中第i个线段Li的长度，MINe(Li)为线段Li的两个端点分别到检测区域图像两个竖直边缘中距离较小值的边缘的两个距离值平均值；
步骤3.6.3，如果当前线段的缺陷值β大于线段缺陷阈值则使当前线段Li以及线段集合LMi中的各线段的缺陷指数增加1，跳转步骤3.6.4；如果缺陷值β不大于线段缺陷阈值，则直接跳转步骤3.6.4；
步骤3.6.4，如果i小于N，使i的值增加1，跳转步骤3.6.1，如果i不小于N，跳转步骤3.6.5；
步骤3.6.5，统计线段集合L中每个线段的缺陷指数，缺陷指数超过缺陷指数阈值的线段所在的区域标记为有缺陷风险的区域；其中缺陷指数阈值为2。
进一步地，步骤4中，根据有缺陷风险的区域进行预警的子步骤为：
根据有缺陷风险的区域进行预警，预警方式可以是发送预警信息至TOFD检测系统的终端和/或检测人员的手持终端，预警信息包括有缺陷风险的区域的位置或者预设的风险提示。
一种海洋管道监测预警系统，所述系统包括：
数据收集模块：包括TOFD检测系统，获得TOFD原始数据，把TOFD原始数据传送至数据处理模块；
数据处理模块：执行一种海洋管道监测预警方法，输出有缺陷风险的区域；
预警模块：用于对海洋管道的有缺陷风险的区域发出警告。
第三方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面提供的所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开提供的所述方法的步骤。
与现有技术相比，本发明具有以下有益的技术效果：
对潜在的海洋管道缺陷进行自动识别，减少了人工识别的工作量与负担，使得经验较少的工作人员能进行海洋管道检测，提高了缺陷识别的准确率，大大提高了工作效率。
附图说明
图1为本发明提供的一种海洋管道监测预警方法的流程图；
图2为本发明一个实施例的一种海洋管道监测预警系统结构示意框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰，以下结合附图及实施例，对本发明进行进一步详尽说明。此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
同样应理解，以下实施例只用于对本发明进行进一步说明，不能理解为对本发明保护范围的限制，本领域的技术人员根据本发明上述内容做出的一些非本质的改进和调整均属于本发明的保护范围。下述示例具体的工艺参数等也仅是合适范围内的一个示例，即本领域技术人员可以通过本文的说明做合适的范围内选择，而并非要限定于下文示例的具体数值。
以下示例性地说明本发明提供的一种海洋管道监测预警方法。
如图1所示为一种海洋管道监测预警方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种海洋管道监测预警方法，所述方法包括以下步骤：
步骤1，部署TOFD检测系统；
步骤2，使用TOFD检测系统扫描目标海洋管道，获得海洋管道的D扫图像集合；
步骤3，处理并分割D扫图像，从D扫图像提取出管道有缺陷风险的区域；
步骤4，根据有缺陷风险的区域进行预警。
进一步地，步骤1中，部署TOFD检测系统的子步骤为：
在海洋管道部署TOFD检测系统，所述TOFD检测系统包括一个发射端和接收端，所述发射端以一定角度往海洋管道表面发射非聚焦纵波波束，接收端接收到海洋管道表面反射的非聚焦纵波波束并记录，TOFD检测模式为纵向扫查，扫查方向与发射端与接收端的连线垂直, 扫查方向往海洋管道方向延伸，TOFD检测系统包括超声TOFD相控阵成像检测系统、Phasor XS 、USM Vision、南通友联PXUT-900系列 、汉威HS 810系列中任意一种。
进一步地，步骤2中，使用TOFD检测系统扫描目标海洋管道，获得海洋管道的D扫图像集合的子步骤为：
利用TOFD检测系统扫描目标海洋管道，获得TOFD图像；
转换TOFD图像至D扫图像，所述D扫图像记录了TOFD系统的接收端收到的发射端发出的声波数据，所述声波数据记录了接收端接收到的波形振幅与时间的关系，所述D扫图像是灰度图，记录了TOFD检测系统沿海洋管道行进时接收的数据，TOFD检测系统沿海洋管道横向移动检测，每横向移动一次获得一个TOFD图像，一个海洋管道的所有D扫图像构成D扫图像集合。
TOFD检测系统有一个检测范围，在检查完一个区域后，移动至下一个区域，检测区域是连续的，使得D扫图像集合里的图像是连续的。
进一步地，步骤3中，处理并分割D扫图像，从D扫图像提取出管道有缺陷风险的区域的子步骤为：
步骤3.1，从D扫图像集合依次加载D扫图像，对D扫图像进行滤波和特征提取处理，以图像的左下端点为原点建立坐标系，x轴为图像的下边缘线，y轴为图像的左边缘线，图像的分辨率为X×Y；
对D扫图像进行特征提取处理的子步骤为：
对于D扫图像中的像素点的灰度值，如果一个像素的灰度值不大于第一灰度阈值，则当前像素标记为白色点；如果一个像素的灰度值大于第一灰度阈值而且不大于第二灰度阈值，则当前像素标记为灰色点；如果一个像素的灰度值大于第二灰度阈值，则当前像素标记为黑色点；
在一个实施例里，第一灰度阈值为60，第二灰度阈值为200；
步骤3.2，识别第一基准区域，子步骤为：
初始化x和y的值为1，x的取值范围为[1,X]，y的取值范围为[1，Y]；
步骤3.2.1，如果点(x，y)是黑色点且点(x，y)与点(x+1，y)颜色不同，跳转步骤3.2.3，如果点(x，y)是黑色点且点(x，y)与点(x+1，y)颜色相同，或者点(x，y)不是黑色点颜色则跳转步骤3.2.2；
步骤3.2.2，如果x≤0.15X1令x的值增加1重新执行步骤3.2.1，如果x＞0.15X1跳转步骤3.2.4；
步骤3.2.3，把当前x的值记为Bx1，使x的值以步进1自增直到点(x，y)的颜色为白色或x≥0.25X1，自增终止，自增终止后如果此时x的值≥0.25X1则设置B2x的值为2×Bx1，如果x＜0.25X1则设置B2x的值为当前x的值；跳转步骤3.2.4；
步骤3.2.4，如果y＜0.5Y则令y的值增加1，把x设置为1并重新执行步骤3.2.1；如果y≥0.5Y则跳到步骤3.2.5；
步骤3.2.5，使用上一个D扫图像的Bx1和Bx2的值作为当前D扫图像的Bx1和Bx2，如果当前D扫图像是D扫图像集合的第一个D扫图像或者上一个D扫图像的Bx1和Bx2值不存在则跳转步骤3.4；
上一个D扫图像的Bx1和Bx2值不存在指上一个D扫图像的Bx1和Bx2值的不是通过步骤3.2得到，即上一个D扫图像的Bx1和Bx2值来自当前D扫图像的上两个D扫图像；
其中，X1为横轴参考系数，X1的获得方式为：
X1=(1-(d/(d+2c)))×X;
式中，c为管道的厚度，d为接收端与发射端的距离；
通过坐标(Bx1，y)的点作垂直于x轴的直线作为第一基准区域的第一基准线，Bx3=Bx1+2×(Bx2-Bx1)，以第一基准线和点(Bx3，y)与x轴垂直的直线形成的区域为第一基准区域；将By1的值设置为当前y的值；
步骤3.3，识别第二基准区域，子步骤为：
设置x的值为X，y的值为1；
步骤3.3.1，如果点(x，y)是黑色点且点(x，y)与点(x+1，y)颜色不同，跳转步骤3.3.3，如果点(x，y)是黑色点且点(x，y)与点(x+1，y)颜色相同，或者点(x，y)不是黑色点颜色则跳转步骤3.3.2；
步骤3.3.2，如果x≥0.86X1令x的值减少1重新执行步骤3.3.1，如果x＜0.86X1则跳转步骤3.3.4；
步骤3.3.3，把Bx4的值记为X-x，使x的值以步进1自减直到点(x，y)的颜色为白色或x≤0.86X1，自减终止，自减终止后如果此时x≤0.86X1则设置Bx5的值为2×Bx4的值，如果x＞0.86X1则设置Bx5的值为X-x；跳转步骤3.3.6；
步骤3.3.4，如果y＜0.5Y则令y的值增加1，把x设置为X并重新开始步骤3.3.1；如果y≥0.5Y则跳到步骤3.3.5；
步骤3.3.5，使用上一个D扫图像的Bx4和Bx5的值作为当前D扫图像的Bx4和Bx5，并跳转步骤3.3.6，如果当前D扫图像是D扫图像集合的第一个D扫图像或者上一个D扫图像的Bx4和Bx5值不存在则跳转步骤3.4；
步骤3.3.6，以(Bx4，y)与x轴垂直的线作为第二基准区域的第一基准线，Bx6=Bx4-(2×(Bx4-Bx6))，以第二基准区域的第一基准线和(Bx6，y)与x轴垂直的直线形成的区域为第二基准区域；设置By2的值当前y的值；跳转步骤3.5；
步骤3.4，把当前D扫图像标为需要人工检测的D扫图像，并进行人工检测，加载下一个D扫图像并重新开始步骤3.1，如果已检测完所有D扫图像，转到步骤3.8；
步骤3.5，以点(Bx3,By1)，(Bx3,Y)，(Bx6,By2)，(Bx6,Y)截取当前D扫图像，获得检测区域图像；跳转步骤3.6；
步骤3.6，对检测区域图像进行识别获得识别结果；
步骤3.7，重复步骤3.1-3.6；
步骤3.8，根据识别结果，输出有缺陷风险的区域。
进一步地，步骤3.6，对检测区域图像进行识别，输出有缺陷风险的区域的子步骤为：
对检测区域图像进行线段检测，获得线段集合L，线段集合L的元素表示为Li，线段集合L的大小为N，i∈[1，N]，初始化i的值为1；
其中，线段检测的方法包括：Hough直线检测算法、LSD直线检测算法、Freeman直线检测算法、尺蠖蠕行算法中任意一种；
初始化线段集合L中每个线段的缺陷指数为0；
步骤3.6.1，获取线段集合L中第i个线段Li的长度为dLi，以线段Li的中点为中心，把符合距离条件的线段加入线段集合LMi，所述距离条件为线段集合L里与线段Li的距离小于距离阈值di且与线段Li没有交点的线段，所述距离指2条线段的中点间距离；
其中线段Li距离阈值di的计算方法为：
di=MAXd(L)÷RLi，
式中，RLi为线段Li的中点到检测区域图像两条竖直边缘的距离较大值与线段Li的中点到检测区域图像两条竖直边缘的距离较小值的比值，MAXd(L)为线段集合L中长度最大的线段的长度；
步骤3.6.2，获得线段Li分别与线段集合LMi中各个线段的距离构成集合dLMi，计算缺陷值β：
Figure 583378DEST_PATH_IMAGE001
；
式中，M为集合dLMi的大小，dLMij为集合dLMi中第j个值，即线段集合LMi中第j个线段与线段Li的距离，dLi为线段集合L中第i个线段Li的长度，MINe(Li)为线段Li的两个端点分别到检测区域图像的两个竖直边缘中距离较小值的边缘的两个距离的平均值，即线段Li的其中一个端点到检测区域图像的两个竖直边缘中距离较近的边缘的距离为第一距离，线段Li的另一个端点到检测区域图像的两个竖直边缘中距离较近的边缘的距离为第二距离，MINe(Li)为第一距离和第二距离的平均值；
步骤3.6.3，如果当前线段的缺陷值β大于线段缺陷阈值则使当前线段Li以及线段集合LMi中的各线段的缺陷指数增加1，跳转步骤3.6.4；如果缺陷值β不大于线段缺陷阈值，则直接跳转步骤3.6.4；
其中，线段缺陷阈值一般取线段集合LMi中最长的线段的缺陷值和最短的线段的缺陷值的算术平均值，或者取[1,5]。
步骤3.6.4，如果i小于N，使i的值增加1，跳转步骤3.6.1，如果i不小于N，跳转步骤3.6.5；
步骤3.6.5，统计线段集合L中每个线段的缺陷指数，缺陷指数超过缺陷指数阈值的线段所在的区域标记为有缺陷风险的区域；其中缺陷指数阈值为2。进一步地，步骤4中，根据有缺陷风险的区域进行预警的子步骤为：
根据有缺陷风险的区域进行预警，预警方式可以是发送预警信息至TOFD检测系统的终端和/或检测人员的手持终端，预警信息包括有缺陷风险的区域的位置或者预设的风险提示。
如图2所示是本发明一个实施例的一种海洋管道监测预警系统结构示意框图。
一种海洋管道监测预警系统，所述系统包括：
数据收集模块：包括TOFD检测系统，获得TOFD原始数据，把TOFD原始数据传送至数据处理模块；
数据处理模块：执行一种海洋管道监测预警方法，输出有缺陷风险的区域；
预警模块：用于对海洋管道的有缺陷风险的区域发出警告。
第三方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面提供的所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开提供的所述方法的步骤。
所述基于一种海洋管道监测预警系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种海洋管道监测预警系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种海洋管道监测预警系统的示例，并不构成对一种海洋管道监测预警系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种海洋管道监测预警系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种海洋管道监测预警系统运行系统的控制中心，利用各种接口和线路连接整个一种海洋管道监测预警系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种海洋管道监测预警系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card, SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“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一定指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何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (9)

1.一种海洋管道监测预警方法，其特征在于，所述方法包括以下步骤：
步骤1，部署TOFD检测系统；
步骤2，使用TOFD检测系统扫描目标海洋管道，获得海洋管道的D扫图像集合；
步骤3，处理并分割D扫图像，从D扫图像提取出管道有缺陷风险的区域；
步骤4，根据有缺陷风险的区域进行预警。
2.根据权利要求1所述的一种海洋管道监测预警方法，其特征在于，步骤1中，部署TOFD检测系统的子步骤为：
在海洋管道部署TOFD检测系统，所述TOFD检测系统包括一个发射端和接收端，所述发射端以一定角度往海洋管道表面发射非聚焦纵波波束，接收端接收到海洋管道表面反射的非聚焦纵波波束并记录，TOFD检测模式为纵向扫查，扫查方向与发射端与接收端的连线垂直, 扫查方向往海洋管道方向延伸。
3.根据权利要求1所述的一种海洋管道监测预警方法，其特征在于，步骤2中，使用TOFD检测系统扫描目标海洋管道，获得海洋管道的D扫图像集合的子步骤为：
利用TOFD检测系统扫描目标海洋管道，获得TOFD图像；
转换TOFD图像至D扫图像，所述D扫图像记录了TOFD系统的接收端收到的发射端发出的声波数据，所述声波数据记录了接收端接收到的波形振幅与时间的关系，所述D扫图像是灰度图，记录了TOFD检测系统沿海洋管道行进时接收的数据，TOFD检测系统沿海洋管道横向移动检测，每横向移动一次获得一个TOFD图像，一个海洋管道的所有D扫图像构成D扫图像集合。
4.根据权利要求2所述的一种海洋管道监测预警方法，其特征在于，步骤3中，处理并分割D扫图像，从D扫图像提取出管道有缺陷风险的区域的子步骤为：
步骤3.1，从D扫图像集合依次加载D扫图像，对D扫图像进行滤波和特征提取处理，以图像的左下端点为原点建立坐标系，x轴为图像的下边缘线，y轴为图像的左边缘线，图像的分辨率为X×Y像素；
对D扫图像进行特征提取的子步骤为：
对于D扫图像中的像素点的灰度值，如果一个像素的灰度值不大于第一灰度阈值，则当前像素标记为白色点；如果一个像素的灰度值大于第一灰度阈值而且不大于第二灰度阈值，则当前像素标记为灰色点；如果一个像素的灰度值大于第二灰度阈值，则当前像素标记为黑色点；
步骤3.2，识别第一基准区域，子步骤为：
初始化x和y的值为1，x的取值范围为[1,X]，y的取值范围为[1，Y]；
步骤3.2.1，如果点(x，y)是黑色点且点(x，y)与点(x+1，y)颜色不同，跳转步骤3.2.3，如果点(x，y)是黑色点且点(x，y)与点(x+1，y)颜色相同，或者点(x，y)不是黑色点颜色则跳转步骤3.2.2；
步骤3.2.2，如果x≤0.15X1令x的值增加1重新执行步骤3.2.1，如果x＞0.15X1跳转步骤3.2.4；
步骤3.2.3，把当前x的值记为Bx1，使x的值以步进1自增直到点(x，y)的颜色为白色或x≥0.25X1，自增终止，自增终止后如果此时x的值≥0.25X1则设置B2x的值为2×Bx1，如果x＜0.25X1则设置B2x的值为当前x的值；跳转步骤3.2.4；
步骤3.2.4，如果y＜0.5Y则令y的值增加1，把x设置为1并重新执行步骤3.2.1；如果y≥0.5Y则跳到步骤3.2.5；
步骤3.2.5，使用上一个D扫图像的Bx1和Bx2的值作为当前D扫图像的Bx1和Bx2，如果当前D扫图像是D扫图像集合的第一个D扫图像或者上一个D扫图像的Bx1和Bx2值不存在则跳转步骤3.4；
上一个D扫图像的Bx1和Bx2值不存在指上一个D扫图像的Bx1和Bx2值的不是通过步骤3.2得到，即上一个D扫图像的Bx1和Bx2值来自当前D扫图像的上两个D扫图像；
其中，X1为横轴参考系数，X1的获得方式为：
X1=(1-(d/(d+2c)))×X；
式中，c为海洋管道的管道厚度，d为接收端与发射端的距离；
通过坐标为(Bx1，y)的点作垂直于x轴的直线作为第一基准区域的第一基准线，Bx3=Bx1+2×(Bx2-Bx1)，以第一基准线和坐标为(Bx3，y)的点与x轴垂直的直线形成的区域为第一基准区域；将By1的值设置为当前y的值；
步骤3.3，识别第二基准区域，子步骤为：
设置x的值为X，y的值为1；
步骤3.3.1，如果点(x，y)是黑色点且点(x，y)与点(x+1，y)颜色不同，跳转步骤3.3.3，如果点(x，y)是黑色点且点(x，y)与点(x+1，y)颜色相同，或者点(x，y)不是黑色点颜色则跳转步骤3.3.2；
步骤3.3.2，如果x≥0.86X1令x的值减少1重新执行步骤3.3.1，如果x＜0.86X1则跳转步骤3.3.4；
步骤3.3.3，把Bx4的值记为X-x，使x的值以步进1自减直到点(x，y)的颜色为白色或x≤0.86X1，自减终止，自减终止后如果此时x≤0.86X1则设置Bx5的值为2×Bx4的值，如果x＞0.86X1则设置Bx5的值为X-x；跳转步骤3.3.6；
步骤3.3.4，如果y＜0.5Y则令y的值增加1，把x设置为X并重新开始步骤3.3.1；如果y≥0.5Y则跳到步骤3.3.5；
步骤3.3.5，使用上一个D扫图像的Bx4和Bx5的值作为当前D扫图像的Bx4和Bx5，并跳转步骤3.3.6，如果当前D扫图像是D扫图像集合的第一个D扫图像或者上一个D扫图像的Bx4和Bx5值不存在则跳转步骤3.4；
步骤3.3.6，以(Bx4，y)与x轴垂直的线作为第二基准区域的第一基准线，Bx6=Bx4-(2×(Bx4-Bx6))，以第二基准区域的第一基准线和(Bx6，y)与x轴垂直的直线形成的区域为第二基准区域；设置By2的值当前y的值；跳转步骤3.5；
步骤3.4，加载下一个D扫图像并重新开始步骤3.1，如果已检测完所有D扫图像，根据识别结果，输出有缺陷风险的区域；
步骤3.5，以坐标(Bx3,By1)，(Bx3,Y)，(Bx6,By2)，(Bx6,Y)四个像素点构成的矩形区域截取当前D扫图像，获得检测区域图像；跳转步骤3.6；
步骤3.6，对检测区域图像进行识别获得识别结果；
步骤3.7，重复步骤3.1-3.6，直至检测完所有D扫图像，根据识别结果，输出有缺陷风险的区域。
5.根据权利要求1所述的一种海洋管道监测预警方法，其特征在于，步骤4中，根据有缺陷风险的区域进行预警的子步骤为：
根据有缺陷风险的区域进行预警，预警方式可以是发送预警信息至TOFD检测系统的终端和/或检测人员的手持终端，预警信息包括有缺陷风险的区域的位置或者预设的风险提示。
6.根据权利要求4所述的一种海洋管道监测预警方法，其特征在于，步骤3.6，对检测区域图像进行识别的子步骤为：
对检测区域图像进行线段检测，获得线段集合L，线段集合L的元素表示为Li，Li为线段集合L中第i个线段，线段集合L中线段的数量为N，i∈[1，N]，初始化i的值为1；
其中，线段检测的方法包括：Hough直线检测算法、LSD直线检测算法、Freeman直线检测算法、尺蠖蠕行算法中任意一种；
初始化线段集合L中每个线段的缺陷指数为0；
步骤3.6.1，获取线段集合L中第i个线段Li的长度为dLi，以线段Li的中点为中心，把符合距离条件的线段加入线段集合LMi，所述距离条件为线段集合L里与线段Li的距离小于距离阈值di且与线段Li没有交点的线段，所述距离指2条线段的中点间之间的距离；
其中线段Li距离阈值di的计算方法为：di=MAXd(L)÷RLi，
式中，RLi为线段Li的中点到检测区域图像两条竖直边缘的两个距离值中的较大值与线段Li的中点到检测区域图像两条竖直边缘的两个距离值中的较小值的比值，MAXd(L)为线段集合L中长度最大的线段的长度；
步骤3.6.2，获得线段Li分别与线段集合LMi中各个线段的距离构成集合dLMi，计算缺陷值β：
Figure 410340DEST_PATH_IMAGE001
；
式中，M为集合dLMi的大小，dLMij为集合dLMi中第j个值，即线段集合LMi中第j个线段与线段Li的距离，dLi为线段集合L中第i个线段Li的长度，MINe(Li)为线段Li的两个端点分别到检测区域图像两个竖直边缘中距离较小值的边缘的两个距离值的平均值；
步骤3.6.3，如果当前线段的缺陷值β大于线段缺陷阈值则使当前线段Li以及线段集合LMi中的各线段的缺陷指数增加1，跳转步骤3.6.4；如果缺陷值β不大于线段缺陷阈值，则直接跳转步骤3.6.4；
步骤3.6.4，如果i小于N，使i的值增加1，跳转步骤3.6.1，如果i不小于N，跳转步骤3.6.5；
步骤3.6.5，统计线段集合L中每个线段的缺陷指数，缺陷指数超过缺陷指数阈值的线段所在的区域标记为有缺陷风险的区域；其中缺陷指数阈值为2。
7.一种海洋管道监测预警系统，其特征在于，所述系统包括：
数据收集模块：包括TOFD检测系统，获得TOFD原始数据，把TOFD原始数据传送至数据处理模块；
数据处理模块：执行权利要求1-6的中任一项的一种海洋管道监测预警方法，输出有缺陷风险的区域；
预警模块：用于对海洋管道的有缺陷风险的区域发出警告。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6中任一项的一种海洋管道监测预警方法的步骤。
9.一种电子设备，其特征在于，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-6中任一项所述一种海洋管道监测预警方法的步骤。
CN202111167741.5A 2021-10-08 2021-10-08 一种海洋管道监测预警方法及系统 Active CN113588796B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111167741.5A CN113588796B (zh) 2021-10-08 2021-10-08 一种海洋管道监测预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111167741.5A CN113588796B (zh) 2021-10-08 2021-10-08 一种海洋管道监测预警方法及系统

Publications (2)

Publication Number Publication Date
CN113588796A true CN113588796A (zh) 2021-11-02
CN113588796B CN113588796B (zh) 2021-12-07

Family

ID=78242802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111167741.5A Active CN113588796B (zh) 2021-10-08 2021-10-08 一种海洋管道监测预警方法及系统

Country Status (1)

Country Link
CN (1) CN113588796B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117372433A (zh) * 2023-12-08 2024-01-09 菲沃泰纳米科技(深圳)有限公司 厚度参数的控制方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101839895A (zh) * 2009-12-17 2010-09-22 哈尔滨工业大学 一种基于超声tofd的近表面缺陷识别方法
US20110296923A1 (en) * 2009-02-25 2011-12-08 Sauoen S,p.A. Method for testing pipeline welds using ultrasonic phased arrays
CN203658319U (zh) * 2013-12-25 2014-06-18 中国石化集团胜利石油管理局海上石油工程技术检验中心 Tofd超声波检测柔性专用轨道
CN104215693A (zh) * 2014-09-30 2014-12-17 中国能源建设集团湖南省火电建设公司 电站钢结构及中厚壁管对接焊缝缺陷的tofd检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110296923A1 (en) * 2009-02-25 2011-12-08 Sauoen S,p.A. Method for testing pipeline welds using ultrasonic phased arrays
CN101839895A (zh) * 2009-12-17 2010-09-22 哈尔滨工业大学 一种基于超声tofd的近表面缺陷识别方法
CN203658319U (zh) * 2013-12-25 2014-06-18 中国石化集团胜利石油管理局海上石油工程技术检验中心 Tofd超声波检测柔性专用轨道
CN104215693A (zh) * 2014-09-30 2014-12-17 中国能源建设集团湖南省火电建设公司 电站钢结构及中厚壁管对接焊缝缺陷的tofd检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孟亚惠: "TOFD技术在埋地管道检测中的应用", 《管道技术与设备》 *
盛朝阳等: "基于分水岭方法的超声TOFD检测图像分割", 《机械工程学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117372433A (zh) * 2023-12-08 2024-01-09 菲沃泰纳米科技(深圳)有限公司 厚度参数的控制方法、装置、设备及存储介质
CN117372433B (zh) * 2023-12-08 2024-03-08 菲沃泰纳米科技(深圳)有限公司 厚度参数的控制方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113588796B (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN112130132B (zh) 基于探地雷达和深度学习的地下管线探测方法和系统
CN105913415A (zh) 一种具有广泛适应性的图像亚像素边缘提取方法
CN111476159A (zh) 一种基于双角回归的检测模型训练、检测方法及装置
CN113284109B (zh) 管道缺陷识别方法、装置、终端设备及存储介质
CN115019187B (zh) 针对sar图像船舶目标的检测方法、装置、设备及介质
CN110619328A (zh) 基于图像处理和深度学习的船舶水尺读数智能识别方法
CN113588796B (zh) 一种海洋管道监测预警方法及系统
Su et al. A cascaded combination method for defect detection of metal gear end-face
CN113705564B (zh) 一种指针式仪表识别读数方法
Yu YOLO V5s-based deep learning approach for concrete cracks detection
CN114926400A (zh) 一种基于改进YOLOv5的风机叶片缺陷检测方法
CN112198170B (zh) 一种无缝钢管外表面三维检测中识别水滴的检测方法
Liu et al. Research on surface defect detection based on semantic segmentation
CN103745476A (zh) 基于线扫描局部峰值分析的手机隔板砂粒检测方法
CN111179278A (zh) 一种图像检测的方法、装置、设备和存储介质
CN112485329B (zh) 基于热成像与超声相结合检测排污口的方法、装置及系统
Xue et al. Detection of Various Types of Metal Surface Defects Based on Image Processing.
Han et al. Damage detection of quayside crane structure based on improved faster R-CNN
CN114463628A (zh) 一种基于阈值约束的深度学习遥感影像船舰目标识别方法
CN114648520A (zh) 轨道缺陷的检测方法、系统、电子设备和存储介质
CN112233098A (zh) 一种水利风险评估方法及系统
Andreu et al. Enhancement of annual rings on industrial CT images of logs
CN114155428A (zh) 基于Yolo-v3算法的水下声呐侧扫图像小目标检测方法
CN110766707B (zh) 一种基于多算子融合边缘检测技术的空化泡图像处理方法
CN113705567A (zh) 船舶裂纹检测方法、系统、设备及计算机可读存储介质

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