CN114354882A - 一种工艺管线焊缝的信息提取及缺陷检测方法 - Google Patents
一种工艺管线焊缝的信息提取及缺陷检测方法 Download PDFInfo
- Publication number
- CN114354882A CN114354882A CN202111635061.1A CN202111635061A CN114354882A CN 114354882 A CN114354882 A CN 114354882A CN 202111635061 A CN202111635061 A CN 202111635061A CN 114354882 A CN114354882 A CN 114354882A
- Authority
- CN
- China
- Prior art keywords
- defect
- detection image
- welding seam
- rectangular frame
- information
- 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
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种工艺管线焊缝的信息提取及缺陷检测方法,本方法基于三种成像检测模块对焊缝的表面和内部进行全方位检测,随后通过对获取的检测图像进行预处理以达到高质量图像的要求,通过信息提取对焊缝表面和内部的缺陷形状、类型、数量、位置信息进行提取,并通过CAXA对获取的焊缝表面和内部的检测信息进行可视化显示,方便后续的焊缝缺陷诊断,用于解决油气模块工艺管线中所涉及的焊缝信息提取和缺陷检测问题,是一种操作简单、高效可靠、结果可视的方法。
Description
技术领域
本发明涉及工艺管线焊缝的信息提取及缺陷检测方法,尤其涉及油气模块工艺管线焊缝的信息提取及缺陷检测方法。
背景技术
海洋中的石油开采量占据世界整体石油开采量中的绝大部分,近些年来,由于造船行业的经济效益不佳,导致众多船厂纷纷转型,许多船厂开始往海洋石油装备制造发展。但这些转型企业仍沿用之前的管理模式,导致海洋石油平台没有一套完整的油气模块工艺管线焊缝信息提取模式,不能高效的进行焊接工艺规划和焊缝检测管理。油气模块由大量的工艺管线组成,对焊缝的质量要求非常高,焊接过程完成后必须严格采集焊缝信息以进行工艺评定;此外,还要对焊接后的管线进行质量检测,传统的管线焊缝信息提取方法会对人体造成危害安全性低效率低成本高的问题。
发明内容
本发明的目的在于克服已有技术的缺点,提供一种操作简单、高效可靠、结果可视的工艺管线焊缝的信息提取及缺陷检测方法。
本发明的一种油气模块工艺管线焊缝的信息提取方法,包括以下步骤:
步骤一、将待测的管线焊缝固定在试验台上,将磁光-涡流成像检测装置、超声红外热成像检测装置和DR数字成像检测装置布置在管线焊缝的同一侧;
步骤二、通过磁光-涡流成像检测装置获取焊缝表面的检测图像信息作为第一检测图像并将采集到的第一检测图像输出给计算机实时显示;
步骤三、通过超声红外热成像检测模块获取焊缝亚表面的检测图像信息作为第二检测图像,并将采集到的第二检测图像输出给计算机实时显示;
步骤四、通过DR数字成像检测模块获取焊缝内部的检测图像信息作为第三检测图像并将采集到的第三检测图像输出给计算机进行实时显示;
步骤五、对第一检测图像、第二检测图像以及第三检测图像分别进行预处理得到第一处理后检测图像、第二处理后检测图像以及第三处理后检测图像,所述的预处理包括伽马灰度变换操作;
步骤六、通过信息提取模块提取第一处理后检测图像中的焊缝表面检测图像、第二处理后检测图像中的焊缝亚表面检测图像和第三处理后检测图像中的焊缝内部检测图像,然后分别提取焊缝表面、焊缝亚表面和焊缝内部的缺陷形状、类型、数量、位置信息,所述的信息提取模块具体执行以下步骤:
第一步、新建焊缝缺陷信息EXCEL统计表,将EXCEL表格的sheet1、sheet2、sheet3分别命名为焊缝表面缺陷表、焊缝亚表面缺陷表和焊缝内部缺陷表,在每个缺陷表的第一列存储缺陷种类,第二列存储缺陷位置,第三列存储缺陷图像,第四列存储缺陷编号;
第二步、对第一处理后检测图像进行如下处理:对图像中的每一个深色区域进行矩形包络处理,确定每一个矩形边框的中心点坐标、该矩形边框的长度和矩形边框的宽度,以该矩形边框中心点坐标和该矩形边框的长度和宽度的整数值顺序编号作为该矩形边框的编号;
第三步、按照矩形边框编号的大小顺序,依次对矩形边框中的深色区域进行如下处理:通过基于卷积神经网络的焊接缺陷识别算法识别出第一处理后检测图像深色区域的特征,确定深色区域属于的缺陷类型,将缺陷类型填入焊缝表面缺陷表的第一列,将矩形边框的编号填入焊缝表面缺陷表的第二列,将矩形边框中的图像粘贴进焊缝表面缺陷表的第三列,将处理到该深色区域为止,该类缺陷的个数填入焊缝缺陷信息表的第四列,重复第三步直到对所有矩形边框完成第三步操作;
第四步、对第二处理后检测图像重复进行第二步和第三步操作;
第五步、对第三处理后检测图像重复进行第二步和第三步操作;
步骤七、将全部缺陷形状、类型、数量以及位置信息进行可视化显示。
本方法通过基于三种成像检测模块对焊缝的表面和内部进行全方位检测,通过图像处理模块对获取的检测图像进行预处理以达到高质量图像的要求,通过信息提取对焊缝表面和内部的缺陷形状、类型、数量、位置信息进行提取,并通过CAXA对获取的焊缝表面和内部的检测信息进行可视化显示,方便后续的焊缝缺陷诊断,用于解决油气模块工艺管线中所涉及的焊缝信息提取和缺陷检测问题,是一种操作简单、高效可靠、结果可视的方法。
附图说明
图1为本发明的一种工艺管线焊缝的信息提取及缺陷检测方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明加以详细说明:
如附图1所示,本发明的一种油气模块工艺管线焊缝的信息提取方法,包括以下步骤:
步骤一、将待测的管线焊缝固定在试验台上,将磁光-涡流成像检测装置、超声红外热成像检测装置和DR数字成像检测装置布置在管线焊缝的同一侧。
步骤二、通过磁光-涡流成像检测装置获取焊缝表面的检测图像信息作为第一检测图像并将采集到的第一检测图像输出给计算机实时显示。
步骤三、通过超声红外热成像检测模块(如:采用Fluke ii910超声波局放红外成像仪)获取焊缝亚表面的检测图像信息作为第二检测图像,并将采集到的第二检测图像输出给计算机实时显示。
步骤四、通过DR数字成像检测模块获取焊缝内部的检测图像信息作为第三检测图像并将采集到的第三检测图像输出给计算机进行实时显示。
步骤五、对第一检测图像、第二检测图像以及第三检测图像分别进行预处理得到第一处理后检测图像、第二处理后检测图像以及第三处理后检测图像,所述的预处理包括伽马灰度变换操作(具体参见C++数字图像处理(1)-伽马变换(https://blog.csdn.net/huqiang_823/article/details/80767019))和中值去噪滤波操作(具体参见中值滤波_中值滤波原理及其C++实现与CUDA优化(https://blog.csdn.net/huqiang_823/article/details/80767019))。
步骤六、通过信息提取模块提取第一处理后检测图像中的焊缝表面检测图像、第二处理后检测图像中的焊缝亚表面检测图像和第三处理后检测图像中的焊缝内部检测图像,然后分别提取焊缝表面、焊缝亚表面和焊缝内部的缺陷形状、类型、数量、位置信息,所述的信息提取模块具体执行以下步骤:
第一步、新建焊缝缺陷信息EXCEL统计表,将EXCEL表格的sheet1、sheet2、sheet3分别命名为焊缝表面缺陷表、焊缝亚表面缺陷表和焊缝内部缺陷表,在每个缺陷表的第一列存储缺陷种类,第二列存储缺陷位置,第三列存储缺陷图像,第四列存储缺陷编号;
第二步、对第一处理后检测图像进行如下处理:对图像中的每一个深色区域进行矩形包络处理,即找到每一个深色区域最上方的像素点、最下方的像素点、最左边的像素点、最右边的像素点,通过这四个像素点,生成一个长度方向平行于X轴和宽度方向平行于Y轴的矩形边框,确定每一个矩形边框的中心点坐标、该矩形边框的长度和矩形边框的宽度,以该矩形边框中心点坐标和该矩形边框的长度和宽度的整数值顺序编号作为该矩形边框的编号;
如一矩形框中心点坐标为(231,58),长度为5,宽度为6,则该矩形框的编号为235.58.5.6;
第三步、按照矩形边框编号的大小顺序,依次对矩形边框中的深色区域进行如下处理:通过基于卷积神经网络的焊接缺陷识别算法(具体参见基于卷积神经网络的焊接缺陷识别技术及应用(wanfangdata.com.cn))识别出第一处理后检测图像深色区域的特征,确定深色区域属于的缺陷类型,将缺陷类型填入焊缝表面缺陷表的第一列,将矩形边框的编号填入焊缝表面缺陷表的第二列,将矩形边框中的图像粘贴进焊缝表面缺陷表的第三列,将处理到该深色区域时,该深色区域所属的缺陷类型所占的焊缝表面信息表的行数(即处理到该深色区域为止,该类缺陷的个数)填入焊缝缺陷信息表的第四列,重复第三步直到对所有矩形边框完成第三步操作;
第四步、对第二处理后检测图像重复进行第二步和第三步操作;
第五步、对第三处理后检测图像重复进行第二步和第三步操作;
步骤七、将全部缺陷形状、类型、数量以及位置信息进行可视化显示,具体的操作步骤如下。
第一步、新建一caxa工程图模板,按行读取焊缝缺陷表的信息,按照每一行第二列中缺陷位置信息,在caxa工程图模板中建立缺陷位置信息所对应的矩形边框;
如一缺陷位置信息为235.58.5.6,则在坐标为(235,58)的位置绘制一中心矩形,矩形的长度为5,宽度为6;
第二步、在矩形边框的上边框插入文字注释,注释内容为该行第一列存储的缺陷类型信息和第四列存储的缺陷编号信息,将该行第三列存储的缺陷图像,插入矩形图框中;
第三步、重复第一步和第二步直到对所有缺陷信息表完成上述操作。
Claims (2)
1.一种油气模块工艺管线焊缝的信息提取方法,其特征在于包括以下步骤:
步骤一、将待测的管线焊缝固定在试验台上,将磁光-涡流成像检测装置、超声红外热成像检测装置和DR数字成像检测装置布置在管线焊缝的同一侧;
步骤二、通过磁光-涡流成像检测装置获取焊缝表面的检测图像信息作为第一检测图像并将采集到的第一检测图像输出给计算机实时显示;
步骤三、通过超声红外热成像检测模块获取焊缝亚表面的检测图像信息作为第二检测图像,并将采集到的第二检测图像输出给计算机实时显示;
步骤四、通过DR数字成像检测模块获取焊缝内部的检测图像信息作为第三检测图像并将采集到的第三检测图像输出给计算机进行实时显示;
步骤五、对第一检测图像、第二检测图像以及第三检测图像分别进行预处理得到第一处理后检测图像、第二处理后检测图像以及第三处理后检测图像,所述的预处理包括伽马灰度变换操作;
步骤六、通过信息提取模块提取第一处理后检测图像中的焊缝表面检测图像、第二处理后检测图像中的焊缝亚表面检测图像和第三处理后检测图像中的焊缝内部检测图像,然后分别提取焊缝表面、焊缝亚表面和焊缝内部的缺陷形状、类型、数量、位置信息,所述的信息提取模块具体执行以下步骤:
第一步、新建焊缝缺陷信息EXCEL统计表,将EXCEL表格的sheet1、sheet2、sheet3分别命名为焊缝表面缺陷表、焊缝亚表面缺陷表和焊缝内部缺陷表,在每个缺陷表的第一列存储缺陷种类,第二列存储缺陷位置,第三列存储缺陷图像,第四列存储缺陷编号;
第二步、对第一处理后检测图像进行如下处理:对图像中的每一个深色区域进行矩形包络处理,确定每一个矩形边框的中心点坐标、该矩形边框的长度和矩形边框的宽度,以该矩形边框中心点坐标和该矩形边框的长度和宽度的整数值顺序编号作为该矩形边框的编号;
第三步、按照矩形边框编号的大小顺序,依次对矩形边框中的深色区域进行如下处理:通过基于卷积神经网络的焊接缺陷识别算法识别出第一处理后检测图像深色区域的特征,确定深色区域属于的缺陷类型,将缺陷类型填入焊缝表面缺陷表的第一列,将矩形边框的编号填入焊缝表面缺陷表的第二列,将矩形边框中的图像粘贴进焊缝表面缺陷表的第三列,将处理到该深色区域为止,该类缺陷的个数填入焊缝缺陷信息表的第四列,重复第三步直到对所有矩形边框完成第三步操作;
第四步、对第二处理后检测图像重复进行第二步和第三步操作;
第五步、对第三处理后检测图像重复进行第二步和第三步操作;
步骤七、将全部缺陷形状、类型、数量以及位置信息进行可视化显示。
2.根据权利要求1所述的油气模块工艺管线焊缝的信息提取方法,其特征在于:所述的步骤七的具体的操作步骤如下:
第一步、新建一caxa工程图模板,按行读取焊缝缺陷表的信息,按照每一行第二列中缺陷位置信息,在caxa工程图模板中建立缺陷位置信息所对应的矩形边框;
第二步、在矩形边框的上边框插入文字注释,注释内容为该行第一列存储的缺陷类型信息和第四列存储的缺陷编号信息,将该行第三列存储的缺陷图像,插入矩形图框中;
第三步、重复第一步和第二步直到对所有缺陷信息表完成上述操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111635061.1A CN114354882A (zh) | 2021-12-29 | 2021-12-29 | 一种工艺管线焊缝的信息提取及缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111635061.1A CN114354882A (zh) | 2021-12-29 | 2021-12-29 | 一种工艺管线焊缝的信息提取及缺陷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114354882A true CN114354882A (zh) | 2022-04-15 |
Family
ID=81104090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111635061.1A Pending CN114354882A (zh) | 2021-12-29 | 2021-12-29 | 一种工艺管线焊缝的信息提取及缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114354882A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050008213A1 (en) * | 2003-07-09 | 2005-01-13 | General Electric Company | System and method for analyzing and identifying flaws in a manufactured part |
CN101877015A (zh) * | 2009-04-28 | 2010-11-03 | 西安航空动力控制有限责任公司 | 零件加工的三维标注方法 |
CN107340328A (zh) * | 2017-09-08 | 2017-11-10 | 广东工业大学 | 一种焊件缺陷检测系统以及检测方法 |
KR20190088089A (ko) * | 2017-12-26 | 2019-07-26 | 세종대학교산학협력단 | 용접 표면 결점 검출 장치 및 방법 |
CN111721768A (zh) * | 2020-06-04 | 2020-09-29 | 江苏弘冉智能科技有限公司 | 一种多信息融合焊缝缺陷探测系统及方法 |
CN112150410A (zh) * | 2020-08-24 | 2020-12-29 | 浙江工商大学 | 一种焊缝缺陷的自动检测方法及其系统 |
CN112365491A (zh) * | 2020-11-27 | 2021-02-12 | 上海市计算技术研究所 | 容器焊缝检测的方法、电子设备及存储介质 |
CN113245757A (zh) * | 2021-05-28 | 2021-08-13 | 天津大学 | 一种油气模块工艺管线焊缝的信息管理方法 |
CN113822889A (zh) * | 2021-11-24 | 2021-12-21 | 江苏金恒信息科技股份有限公司 | 一种热轧钢板表面缺陷检测方法 |
-
2021
- 2021-12-29 CN CN202111635061.1A patent/CN114354882A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050008213A1 (en) * | 2003-07-09 | 2005-01-13 | General Electric Company | System and method for analyzing and identifying flaws in a manufactured part |
CN101877015A (zh) * | 2009-04-28 | 2010-11-03 | 西安航空动力控制有限责任公司 | 零件加工的三维标注方法 |
CN107340328A (zh) * | 2017-09-08 | 2017-11-10 | 广东工业大学 | 一种焊件缺陷检测系统以及检测方法 |
KR20190088089A (ko) * | 2017-12-26 | 2019-07-26 | 세종대학교산학협력단 | 용접 표면 결점 검출 장치 및 방법 |
CN111721768A (zh) * | 2020-06-04 | 2020-09-29 | 江苏弘冉智能科技有限公司 | 一种多信息融合焊缝缺陷探测系统及方法 |
CN112150410A (zh) * | 2020-08-24 | 2020-12-29 | 浙江工商大学 | 一种焊缝缺陷的自动检测方法及其系统 |
CN112365491A (zh) * | 2020-11-27 | 2021-02-12 | 上海市计算技术研究所 | 容器焊缝检测的方法、电子设备及存储介质 |
CN113245757A (zh) * | 2021-05-28 | 2021-08-13 | 天津大学 | 一种油气模块工艺管线焊缝的信息管理方法 |
CN113822889A (zh) * | 2021-11-24 | 2021-12-21 | 江苏金恒信息科技股份有限公司 | 一种热轧钢板表面缺陷检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070536A (zh) | 一种基于深度学习的pcb板元器件检测方法 | |
CN110243937B (zh) | 一种基于高频超声的倒装焊焊点缺失缺陷智能检测方法 | |
CN105894514B (zh) | 一种基于gpu并行运算的印刷品缺陷检测方法及系统 | |
CN110264445A (zh) | 分块模板匹配结合形态学处理的电池丝印质量检测方法 | |
CN105184770B (zh) | 一种用于球栅阵列引脚芯片的焊球定位及其参数识别方法 | |
CN103745221B (zh) | 一种二维码图像矫正方法 | |
CN105654121A (zh) | 一种基于深度学习的复杂提花织物缺陷检测方法 | |
US20220366682A1 (en) | Computer-implemented arrangements for processing image having article of interest | |
CN109903303A (zh) | 一种基于卷积神经网络的船舶吃水线提取方法 | |
CN111178392B (zh) | 基于深度神经网络的航空发动机孔探图像损伤分割方法 | |
WO2023207064A1 (zh) | 基于弱光补偿的MaskRCNN渗水检测方法及系统 | |
CN115063725B (zh) | 基于多尺度自适应ssd算法的飞机蒙皮缺陷识别系统 | |
CN112465851B (zh) | 一种基于压力容器表面焊缝表面轮廓曲线的参数检测方法 | |
CN114119505A (zh) | 一种检测芯片粘连区域缺陷的方法及装置 | |
CN114354882A (zh) | 一种工艺管线焊缝的信息提取及缺陷检测方法 | |
CN112883907B (zh) | 小体积模型的滑坡检测方法及装置 | |
CN110084810A (zh) | 一种肺结节图像检测方法、模型训练方法、装置及存储介质 | |
CN116778346B (zh) | 一种基于改进自注意力机制的管线识别方法及系统 | |
CN115511705A (zh) | 一种基于可变形残差卷积神经网络的图像超分辨率重建方法 | |
CN107369179A (zh) | 一种高精度图像定位方法 | |
US20080125993A1 (en) | Display-Device Inspection Apparatus and Inspection Method | |
CN110555385B (zh) | 一种基于变步长曲率滤波的焊缝特征点求取方法 | |
CN115291141A (zh) | 一种电缆及其附件的故障诊断方法及系统 | |
CN107615333B (zh) | 图像的斑点处理方法 | |
CN112233098A (zh) | 一种水利风险评估方法及系统 |
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 |