CN113658094A - 一种基于视觉的火力发电厂锅炉四管智能检测方法 - Google Patents
一种基于视觉的火力发电厂锅炉四管智能检测方法 Download PDFInfo
- Publication number
- CN113658094A CN113658094A CN202110763936.XA CN202110763936A CN113658094A CN 113658094 A CN113658094 A CN 113658094A CN 202110763936 A CN202110763936 A CN 202110763936A CN 113658094 A CN113658094 A CN 113658094A
- Authority
- CN
- China
- Prior art keywords
- image
- boiler
- defect
- power plant
- vision
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明涉及一种基于视觉的火力发电厂锅炉四管智能检测方法,包括:步骤1,基于图像采集设备采集炉膛内多位置、多角度的锅炉四管图像;步骤2,将采集的锅炉四管图像通过缺陷识别系统进行自动图像处理,识别出有缺陷的图像;步骤3,基于识别的缺陷图像,根据炉墙位置与拍摄图像的三维映射关系获取缺陷图像的实际位置信息;步骤4,以炉膛三维模型的形式显示缺陷的实际位置信息。本发明可解决电厂四管防磨防爆停备或临检时间紧、效率低、成本高、任务重等问题,全面代替防磨防爆工作小组开展四管工作检查,缩短检修工期,降低经济成本,解决现场盲区,帮助技术人员有效识别缺陷,弥补人员经验不足,从而提高锅炉安全经济运行水平。
Description
技术领域
本发明涉及锅炉四管智能检查技术领域,尤其涉及一种基于视觉的火力发电厂锅炉四管智能检测方法。
背景技术
锅炉受热面的省煤器、水冷壁、过热器和再热器简称锅炉“四管”。据权威统计,锅炉爆管或泄漏占火电厂非计划停机的70%,受热面管的爆漏占锅炉全部事故的40%-60%,甚至达到70%。锅炉“四管”爆漏直接影响着发电企业的安全稳定运行和经济效益,因此,减少锅炉受热面管泄漏次数,降低锅炉强迫停运时间,是提高锅炉运行可靠性和经济性的关键因素。锅炉防磨防爆检查是保证机组安全、稳定、经济运行的重要基础工作。
传统“四管”防磨防爆检查需在炉膛内搭设脚手架平台,检查人员需进入炉膛进行摸排、观察等工作,检查效率较低、强度大、成本高。炉膛内环境恶劣,灰尘较多,会对检查人员的身体造成一定的损害,并且检查工作过程中存在一定的安全风险。
“四管”常见缺陷有磨损、胀粗、腐蚀、损伤等缺陷,在检查工作中,缺陷检出率与人的经验、工作状态等因素密切相关,极易造成缺陷漏检。另外,由于锅炉折焰角等障碍,炉膛升降平台搭设高度有限,传统检查方式存在一定的盲区范围,而某些事故多发部位处于盲区范围,以致部分隐患无法及时发现、排除,严重影响机组的长期安全稳定运行。
发明内容
本发明的目的是提供一种基于视觉的火力发电厂锅炉四管智能检测方法,该方法可在停炉后对受热面进行防磨防爆检查,解决电厂“四管”防磨防爆停备或临检时间紧、效率低、成本高、任务重等问题,全面代替防磨防爆工作小组开展四管工作检查。同时,可根据具体炉型系统化调整设定参数,实现炉膛内四管信息的全自动采集,替代人工在恶劣作业场所的检查工作,缩短检修工期,降低经济成本,解决现场盲区,帮助技术人员有效识别缺陷,弥补人员经验不足,从而提高锅炉安全经济运行水平。该方法使用的设备结构稳定,可任意组合移动、重复使用,其逻辑原理简单,适用性广,操作方便,既能解决一系列锅炉四管引发的风险问题,也为其它宏观智能检查技术问题提供了选择方式。
本发明提供了一种基于视觉的火力发电厂锅炉四管智能检测方法,包括:
步骤1,基于图像采集设备采集炉膛内多位置、多角度的锅炉四管图像;
步骤2,将采集的锅炉四管图像通过缺陷识别系统进行自动图像处理,识别出有缺陷的图像;
步骤3,基于识别的缺陷图像,根据炉墙位置与拍摄图像的三维映射关系获取缺陷图像的实际位置信息;
步骤4,以炉膛三维模型的形式显示缺陷的实际位置信息。
进一步地,步骤1中所述图像采集设备固定于辅助搭载机构的伸长端,通过伸长端的移动进行多位置、多角度图像采集。
进一步地,所述辅助搭载机构采用插入式结构,通过锅炉观火孔插入炉膛。
进一步地,步骤1中所述图像采集设备根据预设的初始条件及步进量,进行轨迹自动化控制测量、拍摄。
进一步地,步骤1中所述图像采集设备根据待检炉膛结构进行图像自动化采集轨迹路线规划,确定深入位置、移动长度信息,根据拍摄画幅大小,确定步进量及深入次数,划定每次扫描覆盖范围,并对炉膛缺陷重点位置进行针对性重点检查。
进一步地,步骤2中所述缺陷图像识别系统基于建立的锅炉四管缺陷图像数据存储库,以及神经网络深度学习的图像识别方法对锅炉四管图像进行缺陷识别。
进一步地,所述步骤3包括:
根据图像自动化采集路径规划的初始信息及图像自动化采集控制输出数据,将极坐标系转化为三维直角坐标系,通过建立炉墙位置与拍摄图像的三维映射关系,获取缺陷图像的实际位置信息。
进一步地,所述步骤4还包括:
将有缺陷的图像进行数量、类别显示并标注,并将整体采集图像以图片墙和全景影像的形式展示。
借由上述方案,通过基于视觉的火力发电厂锅炉四管智能检测方法,具有如下技术效果:
1)本发明可在停炉后对受热面进行防磨防爆检查,解决电厂“四管”防磨防爆停备或临检时间紧、效率低、成本高、任务重等问题,全面代替防磨防爆工作小组开展四管工作检查。
2)本发明可根据具体炉型系统化调整设定参数,实现炉膛内四管信息的全自动采集,替代人工在恶劣作业场所的检查工作,缩短检修工期,降低经济成本,保障人员安全。
3)本发明可以解决现场检查盲区,帮助技术人员有效识别缺陷,弥补人员经验不足,提高锅炉安全经济运行水平。
4)本发明使用的设备结构稳定,可任意组合移动、重复使用,其逻辑原理简单,适用性广,操作方便,既能解决一系列锅炉四管引发的风险问题,也为其它宏观智能检查技术问题提供了选择方式。
5)本发明使用的智能图像采集设备及技术参数适合昏暗恶劣环境的高清图像采集,满足锅炉炉膛远距离拍摄分辨能力,并能够实现近端或远距离信息集成传输。
6)本发明使用的智能图像采集设备为特殊定制结构,尺寸小巧,满足锅炉观火孔进入条件,增加了检查位置,扩大了检查范围,实现了多位置、多角度拍摄采集。
7)本发明使用的图像采集设备辅助搭载机构的伸长端了固定智能图像采集设备,其伸长量可精控,且伸长端可左右精控移动,实现了智能图像采集设备进入炉膛后在某一矩形平面位置精准可达。
8)本发明使用图像自动化采集控制技术可通过预设条件进行轨迹自动化控制测量、拍摄,可完全释放检修人员压力,提高图像采集效率。
9)本发明可根据不同尺寸炉膛结构进行图像自动化采集路径规划设计,满足现场实际扫描覆盖需求,并能够对重点位置实施重点检查。
10)本发明可利用融合基于神经网络深度学习的缺陷图像识别技术,进行自动图像处理,智能识别出有缺陷的图像,及时发现炉膛存在的问题。
11)本发明可利用数学建模的缺陷图像定位技术将极坐标系转化为三维直角坐标系,建立炉墙位置与拍摄图像的三维映射关系,准确掌握缺陷图像的实际位置信息。
12)本发明可利用户交互界面将有缺陷的图像进行数量、类别显示并标注,以炉膛三维模型的形式显示缺陷的实际位置信息,并将整体采集图像以图片墙和全景影像的形式展示,还原炉膛结构形貌,以直观的形式展示给用户,便于企业对炉膛检测结果进行处理和设备管护。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1是本发明火力发电厂锅炉四管智能检测方法的流程图。
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。
参图1所示,本实施例提供了一种基于视觉的火力发电厂锅炉四管智能检测方法,包括:
步骤S1,基于图像采集设备采集炉膛内多位置、多角度的锅炉四管图像;
步骤S2,将采集的锅炉四管图像通过缺陷识别系统进行自动图像处理,识别出有缺陷的图像;
步骤S3,基于识别的缺陷图像,根据炉墙位置与拍摄图像的三维映射关系获取缺陷图像的实际位置信息;
步骤S4,以炉膛三维模型的形式显示缺陷的实际位置信息。
在本实施例中,步骤S1中所述图像采集设备固定于辅助搭载机构的伸长端,通过伸长端的移动进行多位置、多角度图像采集。辅助搭载机构采用插入式结构,通过锅炉观火孔插入炉膛。
本实施例选取适合昏暗恶劣环境的智能高清图像采集设备及技术参数,利用图像采集设备的摄像拍照功能,对待测物体进行摄像取景,并能够实现近端或远距离信息集成传输,将图像传输到后台服务器。使用插入式图像采集设备辅助搭载机构,将伸长端固定的智能图像采集设备从小孔进入炉膛,精控机构伸长量,左右移动量,保证采集设备进入炉膛后在某一矩形平面位置可达。
在本实施例中,步骤S1中所述图像采集设备根据预设的初始条件及步进量,进行轨迹自动化控制测量、拍摄,其控制输出数据满足后续识别及模型定位使用。图像采集设备根据待检炉膛结构进行图像自动化采集轨迹路线规划,确定深入位置、移动长度信息,根据拍摄画幅大小,确定步进量及深入次数,划定每次扫描覆盖范围,并对炉膛缺陷重点位置进行针对性重点检查。
在机械化、自动化检查开始之前,需要通过大数据统计分析的形式,掌握了某待检查工程现场的检查需求,明确了检查重点部位及传统检查盲区。然后针对该待检炉膛结构进行图像自动化采集路径规划设计,明确具体操作形式,确定深入位置、移动长度等初始信息,根据拍摄画幅大小,明确步进量及深入次数,划定每次扫描覆盖范围,并对炉膛缺陷重点位置进行针对性设计。设计完图像自动化采集路径后,调用图像自动化采集控制程序,输入预设计的智能图像采集设备初始条件及步进量,而后利用图像采集设备的摄像拍照功能,对待检炉膛进行轨迹自动化控制测量、拍摄,并将图像传输到后台服务器。
在本实施例中,步骤S2中缺陷图像识别系统基于建立的锅炉四管缺陷图像数据存储库,以及神经网络深度学习的图像识别方法对锅炉四管图像进行缺陷识别。通过将检查中采集的图像导入缺陷图像识别系统,调用训练好的基于神经网络深度学习的缺陷图像识别模块,进行自动图像处理,可识别出有缺陷的图像。
在本实施例中,所述步骤S3包括:
根据图像自动化采集路径规划的初始信息及图像自动化采集控制输出数据,将极坐标系转化为三维直角坐标系,通过建立炉墙位置与拍摄图像的三维映射关系,获取缺陷图像的实际位置信息。通过融合数学建模的缺陷图像定位技术,将极坐标系转化为三维直角坐标系,建立炉墙位置与拍摄图像的三维映射关系,可掌握缺陷图像的实际位置信息。
在本实施例中,所述步骤S4还包括:
将有缺陷的图像进行数量、类别显示并标注,并将整体采集图像以图片墙和全景影像的形式展示。用户可通过交互界面看到缺陷图像的数量、类别显示,观察到以炉膛三维模型形式显示的缺陷实际位置信息,以及整体采集图像的图片墙和全景影像,真实还原炉膛结构形貌。
该基于视觉的火力发电厂锅炉四管智能检查方法符合工程现场环境条件,满足炉膛现场检测需求,主要包括使用智能图像采集设备,配合图像采集设备辅助搭载机构,应用图像自动化采集控制技术,进行图像自动化采集路径规划设计,完成缺陷图像识别,实现缺陷图像定位,显示在用户交互界面。
该方法可在停炉后对受热面进行防磨防爆检查,解决电厂“四管”防磨防爆停备或临检时间紧、效率低、成本高、任务重等问题,全面代替防磨防爆工作小组开展四管工作检查。同时,可根据具体炉型系统化调整设定参数,实现炉膛内四管信息的全自动采集,替代人工在恶劣作业场所的检查工作,缩短检修工期,降低经济成本,保障人员安全。
该方法可以解决现场检查盲区,帮助技术人员有效识别缺陷,弥补人员经验不足,提高锅炉安全经济运行水平。
该方法使用的设备结构稳定,可任意组合移动、重复使用,其逻辑原理简单,适用性广,操作方便,既能解决一系列锅炉四管引发的风险问题,也为其它宏观智能检查技术问题提供了选择方式。
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (8)
1.一种基于视觉的火力发电厂锅炉四管智能检测方法,其特征在于,包括:
步骤1,基于图像采集设备采集炉膛内多位置、多角度的锅炉四管图像;
步骤2,将采集的锅炉四管图像通过缺陷识别系统进行自动图像处理,识别出有缺陷的图像;
步骤3,基于识别的缺陷图像,根据炉墙位置与拍摄图像的三维映射关系获取缺陷图像的实际位置信息;
步骤4,以炉膛三维模型的形式显示缺陷的实际位置信息。
2.根据权利要求1所述的基于视觉的火力发电厂锅炉四管智能检测方法,其特征在于,步骤1中所述图像采集设备固定于辅助搭载机构的伸长端,通过伸长端的移动进行多位置、多角度图像采集。
3.根据权利要求2所述的基于视觉的火力发电厂锅炉四管智能检测方法,其特征在于,所述辅助搭载机构采用插入式结构,通过锅炉观火孔插入炉膛。
4.根据权利要求2所述的基于视觉的火力发电厂锅炉四管智能检测方法,其特征在于,步骤1中所述图像采集设备根据预设的初始条件及步进量,进行轨迹自动化控制测量、拍摄。
5.根据权利要求4所述的基于视觉的火力发电厂锅炉四管智能检测方法,其特征在于,步骤1中所述图像采集设备根据待检炉膛结构进行图像自动化采集轨迹路线规划,确定深入位置、移动长度信息,根据拍摄画幅大小,确定步进量及深入次数,划定每次扫描覆盖范围,并对炉膛缺陷重点位置进行针对性重点检查。
6.根据权利要求5所述的基于视觉的火力发电厂锅炉四管智能检测方法,其特征在于,步骤2中所述缺陷图像识别系统基于建立的锅炉四管缺陷图像数据存储库,以及神经网络深度学习的图像识别方法对锅炉四管图像进行缺陷识别。
7.根据权利要求6所述的基于视觉的火力发电厂锅炉四管智能检测方法,其特征在于,所述步骤3包括:
根据图像自动化采集路径规划的初始信息及图像自动化采集控制输出数据,将极坐标系转化为三维直角坐标系,通过建立炉墙位置与拍摄图像的三维映射关系,获取缺陷图像的实际位置信息。
8.根据权利要求6所述的基于视觉的火力发电厂锅炉四管智能检测方法,其特征在于,所述步骤4还包括:
将有缺陷的图像进行数量、类别显示并标注,并将整体采集图像以图片墙和全景影像的形式展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110763936.XA CN113658094A (zh) | 2021-07-06 | 2021-07-06 | 一种基于视觉的火力发电厂锅炉四管智能检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110763936.XA CN113658094A (zh) | 2021-07-06 | 2021-07-06 | 一种基于视觉的火力发电厂锅炉四管智能检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113658094A true CN113658094A (zh) | 2021-11-16 |
Family
ID=78477171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110763936.XA Pending CN113658094A (zh) | 2021-07-06 | 2021-07-06 | 一种基于视觉的火力发电厂锅炉四管智能检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113658094A (zh) |
-
2021
- 2021-07-06 CN CN202110763936.XA patent/CN113658094A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104034278A (zh) | 进行锅炉检测的方法及装置 | |
CN105118535B (zh) | 核燃料组件修复检测控制系统 | |
CN102607467A (zh) | 基于视觉测量的电梯导轨垂直度检测装置和检测方法 | |
US11544857B1 (en) | Method and device for calculating river surface flow velocity based on variational principle | |
CN104165598B (zh) | 大口径反射镜干涉仪立式检测反射光斑自动定位方法 | |
CN103594132A (zh) | 核电站堆芯燃料组件实际位置偏差测量方法和系统 | |
CN110081827A (zh) | 机器视觉无参照物的盾尾间隙自动检测方法 | |
CN104808013A (zh) | 适用大型锅炉的智能型冷态炉内动力状况测量系统及方法 | |
CN107218891A (zh) | 一种尺寸测量方法、装置及系统 | |
CN104990498B (zh) | 基于ccd摄影的电站锅炉高温管系宏观位移测量装置及方法 | |
CN113658094A (zh) | 一种基于视觉的火力发电厂锅炉四管智能检测方法 | |
CN112466490A (zh) | 核电站双层安全壳环廊区域缺陷检查系统和缺陷检查方法 | |
CN103063150A (zh) | 基于数字图像处理技术的灰渣厚度监测方法及装置 | |
CN103047666B (zh) | 一种锅炉对流受热面吹灰的方法和装置 | |
JP2010009479A (ja) | 遠隔目視検査支援システムおよび遠隔目視検査支援コンピュータプログラム | |
CN2601390Y (zh) | 微型顶管机的机头姿态激光测量装置 | |
CN204374231U (zh) | 适用大型锅炉的智能型冷态炉内动力状况测量系统 | |
CN113777957A (zh) | 一种液态排渣锅炉三维可视化仿真系统 | |
CN103925909B (zh) | 两个高速摄像机测量开舱点位置的方法及装置 | |
CN113313816B (zh) | 一种锅炉运维中受热面检修状态的可视化方法 | |
CN115234845A (zh) | 基于投影模型的油气管道内壁缺陷图像可视化检测方法 | |
CN110222370B (zh) | 一种核电站三维模型修复控制单元、系统及方法 | |
CN209247268U (zh) | 一种蒸汽发生器氦质谱检漏系统 | |
CN113484335B (zh) | 一种基于视觉的锅炉四管智能检测装置 | |
CN113506208A (zh) | 一种前视钻孔可视化观测仪的环状图像平面展开方法 |
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 |