CN115017949A - 基于深度学习的环焊缝信号处理方法、装置、设备及介质 - Google Patents
基于深度学习的环焊缝信号处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115017949A CN115017949A CN202210634904.4A CN202210634904A CN115017949A CN 115017949 A CN115017949 A CN 115017949A CN 202210634904 A CN202210634904 A CN 202210634904A CN 115017949 A CN115017949 A CN 115017949A
- Authority
- CN
- China
- Prior art keywords
- signal
- kurtosis
- circumferential weld
- weld
- signals
- 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Butt Welding And Welding Of Specific Article (AREA)
Abstract
本发明涉及一种基于深度学习的环焊缝信号处理方法、装置、设备及介质,该方法包括:获取通过磁通门探头检测待检测管道的环焊缝信号;根据峭度法对环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数,该峭度系数表征了环焊缝信号中的环焊缝特征;根据环焊缝信号对应的峭度系数,确定环焊缝信号的环焊缝识别结果。通过本发明的方法,由于磁通门探头的灵敏度较高,因此,在地面坑洼不平,通过峭度系数可以更加清楚准确的体现出环焊缝位置,即使得环焊缝识别结果更加准确,另外通过本申请的方案,不需要在待检测管道周围开挖一段土方,提升现场施工效率,降低开挖成本。
Description
技术领域
本发明涉及油气储运、油气管道安全技术领域,具体而言,本发明涉及一种基于深度学习的环焊缝信号处理方法、装置、设备及介质。
背景技术
油气管道安全生产是公司的重要工作之一。近年来国内管道因焊缝开裂发生的事故给管道带来严重的影响,不仅影响了生产运营,造成重大经济损失,还会引起环境污染和恶劣的社会影响,后果非常严重。为了排除这类风险,对焊缝开挖的排查工作尤为重要。
在管道现场开挖查找环焊缝时,一般是根据内检测数据坐标在现场查找,或者根据图纸找到管道桩,用皮尺量取环焊缝的距离才能定位,但由于有的管道未作内检测,或者GPS坐标有偏移,或者是现场测量不准,导致环焊缝不容易定位,现场往往要多开挖一段土方才能找到确切位置,因此,采用上述几个方案无法实现对环焊缝位置的精准定位,且现场施工效率低,开挖成本高。
现有技术中,除上述几个方法外,还可采用PCM技术和弱磁检测技术进行环焊缝位置的定位,其中采用PCM技术只能检测防腐层的破损,不能发现管道本体的破损和应力弯曲情况;采用弱磁检测技术进行环焊缝位置的定位,由于弱磁检测设备因在现场使用时,因地面坑洼不平,走动等原因,使得设备抖动,检测出的弱磁信号波动较大,使得现场人员难以辨识有效信号,从而使得基于弱磁检测设备检测的环焊缝信号进行环焊缝位置的识别结果不准确。
综上,基于上述几种对环焊缝位置进行的定位的方案,现有技术中缺少一种对环焊缝位置进行精准定位、提升现场施工效率,降低开挖成本的定位方法。
发明内容
本发明所要解决的技术问题是提供了一种基于深度学习的环焊缝信号处理方法、装置、设备及介质,旨在解决上述至少一个技术问题。
第一方面,本发明解决上述技术问题的技术方案如下:一种基于深度学习的环焊缝信号处理方法,该方法包括:
获取通过磁通门探头检测待检测管道的环焊缝信号;
根据峭度法对环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数,峭度系数表征了环焊缝信号中的环焊缝特征;
根据环焊缝信号对应的峭度系数,确定环焊缝信号的环焊缝识别结果。
本发明的有益效果是:采用磁通门探头检测待检测管道的环焊缝信号,由于磁通门探头的灵敏度较高,因此,在地面坑洼不平,工作人员拿着磁通门探头走动的过程中,也可准确检测到环焊缝信号,在基于环焊缝信号进行环焊缝位置的定位的过程中,还通过峭度法提取环焊缝信号的特征,得到环焊缝信号对应的峭度系数,通过峭度系数可以更加清楚准确的体现出环焊缝位置,即使得环焊缝识别结果更加准确,另外通过本申请的方案,不需要在待检测管道周围开挖一段土方,提升现场施工效率,降低开挖成本。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,上述获取通过磁通门探头检测待检测管道的环焊缝信号,包括:
获取分别通过两个磁通门探头检测待检测管道的第一环焊缝信号和第二环焊缝信号;
获取分别通过两个磁通门探头检测待检测管道的第一环焊缝信号和第二环焊缝信号之后,还包括:
对第一环焊缝信号和第二环焊缝信号进行差分信号处理,得到差分处理后的环焊缝信号;
上述根据峭度法对环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数,包括:
根据峭度法对差分处理后的环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数。
采用上述进一步方案的有益效果是,对环焊缝信号进行差分信号处理,可消除环焊缝信号的波动,以及环境的干扰,使得后续基于差分处理后的环焊缝信号确定的环焊缝识别结果更加准确。
进一步,在对环焊缝信号进行差分信号处理,得到差分处理后的环焊缝信号之后,该方法还包括:
对差分处理后的环焊缝信号进行放大处理,得到放大处理后的环焊缝信号;
上述根据峭度法对差分处理后的环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数,包括:
根据峭度法对放大处理后的环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数。
采用上述进一步方案的有益效果是,对于差分处理后的环焊缝信号,其中会存在负值,为了使信号值都为正值,同时将峰值信号放大,使其明显区别于非环焊缝信号,可对差分处理后的环焊缝信号进行放大处理,使得放大处理后的环焊缝信号为正值,而且相对于差分处理后的环焊缝信号,环焊缝特征明显了很多,便于判断信号峰值,即便于确定环焊缝识别结果。
进一步,上述环焊缝信号包括X轴分量信号、Y轴分量信号和 Z轴分量信号;
上述根据峭度法对放大处理后的环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数,包括:
根据峭度法对放大处理后的环焊缝信号的X轴分量信号进行特征提取,得到X轴分量信号对应的峭度系数;
根据峭度法对放大处理后的环焊缝信号的Y轴分量信号进行特征提取,得到Y轴分量信号对应的峭度系数;
根据峭度法对放大处理后的环焊缝信号的Z轴分量信号进行特征提取,得到Z轴分量信号对应的峭度系数;
将X轴分量信号对应的峭度系数、Y轴分量信号对应的峭度系数和Z轴分量信号对应的峭度系数作为环焊缝信号对应的峭度系数。
采用上述进一步方案的有益效果是,将环焊缝信号按照三个轴向分量信号进行分别的特征提取,得到各个轴分量对应的峭度系数,可提高处理效率,并且通过三个不同轴向的峭度系数体现环焊缝的特征,可以使得后续确定的环焊缝识别结果更准确。
进一步,上述环焊缝信号为时间序列信号,上述X轴分量信号包括多个第一分量信号,上述Y轴分量信号包括多个第二分量信号,上述Z轴分量信号包括多个第三分量信号;
上述根据峭度法对放大处理后的环焊缝信号的X轴分量信号进行特征提取,得到X轴分量信号对应的峭度系数,包括:
根据峭度法对每个第一分量信号进行特征提取,得到每个第一分量信号对应的第一峭度系数;
上述根据峭度法对放大处理后的环焊缝信号的Y轴分量信号进行特征提取,得到Y轴分量信号对应的峭度系数,包括:
根据峭度法对每个第二分量信号进行特征提取,得到每个第二分量信号对应的第二峭度系数;
上述根据峭度法对放大处理后的环焊缝信号的Z轴分量信号进行特征提取,得到Z轴分量信号对应的峭度系数,包括:
根据峭度法对每个第三分量信号进行特征提取,得到每个第三分量信号对应的第三峭度系数;
上述根据环焊缝信号对应的峭度系数,确定环焊缝信号的环焊缝识别结果,包括:
根据各个第一峭度系数、各个第二峭度系数和各个第三峭度系数,确定环焊缝信号的环焊缝识别结果。
采用上述进一步方案的有益效果是,由于环焊缝信号为时间序列信号,则对于每个轴向分量信号,均可由多个分量信号组成,进而在确定各个轴向分量信号对应的峭度系数时,可对每个分量信号进行特征提取,得到每个分量信号对应的峭度系数,使得确定的环焊缝识别结果更准确。
进一步,上述根据各个第一峭度系数、各个第二峭度系数和各个第三峭度系数,确定环焊缝信号的环焊缝识别结果,包括:
根据各个第一峭度系数,确定第一目标峭度系数,并确定第一目标峭度系数对应的第一位置;
根据各个第二峭度系数,确定第二目标峭度系数,并确定第二目标峭度系数对应的第二位置;
根据各个第三峭度系数,确定第三目标峭度系数,并确定第三目标峭度系数对应的第三位置;
将第一位置、第二位置和第三位置确定为环焊缝信号的环焊缝识别结果。
采用上述进一步方案的有益效果是,在确定环焊缝在待检测管道中的位置的过程中,可根据各个轴向的分量信号确定的峭度系数,分别确定环焊缝在待检测管道中的各个轴向的位置,即第一位置、第二位置和第三位置,这样分开确定每个轴向对应的位置,可使得最终确定的环焊缝识别结果更加准确。
进一步,上述放大处理为幂处理。
采用上述进一步方案的有益效果是,采用幂处理的方式进行放大处理,处理方式简单有效。
第二方面,本发明为了解决上述技术问题还提供了一种基于深度学习的环焊缝信号处理装置,该装置包括:
环焊缝信号获取模块,用于获取通过磁通门探头检测待检测管道的环焊缝信号;
峭度系数确定模块,用于根据峭度法对环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数,峭度系数表征了环焊缝信号中的环焊缝特征;
识别模块,用于根据环焊缝信号对应的峭度系数,确定环焊缝信号的环焊缝识别结果。
第三方面,本发明为了解决上述技术问题还提供了一种电子设备,该电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行该计算机程序时实现本申请的基于深度学习的环焊缝信号处理方法。
第四方面,本发明为了解决上述技术问题还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现本申请的基于深度学习的环焊缝信号处理方法。
本申请附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单地介绍。
图1为本发明一个实施例提供的一种基于深度学习的环焊缝信号处理方法的流程示意图;
图2为本发明一个实施例提供的一种通过距离待检测管道不同距离的磁通门探头所检测到的环焊缝信号;
图3为本发明一个实施例提供的一种差分处理后的环焊缝信号的示意图;
图4为本发明一个实施例提供的一种放大处理后的环焊缝信号的示意图;
图5为本发明一个实施例提供的一种峭度法的原理示意图;
图6为本发明一个实施例提供的一种基于深度学习的环焊缝信号处理装置的结构示意图;
图7为本发明一个实施例提供的一种电子设备的结构示意图。
具体实施方式
以下对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
下面以具体实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
本发明实施例所提供的方案可以适用于任何需要在确定待检测管道额的环焊缝识别结果的应用场景中。本发明实施例所提供的方案可以由任一电子设备执行,比如,可以是用户的终端设备,上述终端设备可以是任何可以安装应用,并可通过应用确定环焊缝识别结果的终端设备,包括以下至少一项:智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、智能电视、智能车载设备。
本发明实施例提供了一种可能的实现方式,如图1所示,提供了一种基于深度学习的环焊缝信号处理方法的流程图,该方案可以由任一电子设备执行,例如,可以是终端设备,或者由终端设备和服务器共同执行。为描述方便,下面将以服务器作为执行主体为例对本发明实施例提供的方法进行说明,如图1中所示的流程图,该方法可以包括以下步骤:
步骤S110,获取通过磁通门探头检测待检测管道的环焊缝信号;
步骤S120,根据峭度法对环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数,峭度系数表征了环焊缝信号中的环焊缝特征;
步骤S130,根据环焊缝信号对应的峭度系数,确定环焊缝信号的环焊缝识别结果。
通过本发明的方法,采用磁通门探头检测待检测管道的环焊缝信号,由于磁通门探头的灵敏度较高,因此,在地面坑洼不平,工作人员拿着磁通门探头走动的过程中,也可准确检测到环焊缝信号,在基于环焊缝信号进行环焊缝位置的定位的过程中,还通过峭度法提取环焊缝信号的特征,得到环焊缝信号对应的峭度系数,通过峭度系数可以更加清楚准确的体现出环焊缝位置,即使得环焊缝识别结果更加准确,另外通过本申请的方案,不需要在待检测管道周围开挖一段土方,提升现场施工效率,降低开挖成本。
下面结合以下具体的实施例,对本发明的方案进行进一步的说明,在该实施例中,基于深度学习的环焊缝信号处理方法可以包括以下步骤:
步骤S110,获取通过磁通门探头检测待检测管道的环焊缝信号。
其中,待检测管道指的是需要识别出该管道中的环焊缝位置的管道,该管道可以是用于运输油气的管道。磁通门探头是一种弱磁检测设备,在使用过程中,检测人员可以拿着该磁通门探头在与待检测管道相距设定距离的位置检测管道的环焊缝信号,该环焊缝信号是环焊缝处对应的一种磁场信号,环焊缝处对应的磁场信号和非环焊缝处对应的磁场信号不同。需要说明的是,环焊缝信号为一个时间序列信号,也就是说,一个环焊缝信号中可包括多个时间点采集的信号。
可选的,由于磁通门探头的灵敏度较高,因此检测到的信号波动也较大,参见图2所示的通过距离待检测管道不同距离的磁通门探头所检测到的环焊缝信号,其中,距离待检测管道第一距离的磁通门探头所检测到的环焊缝信号可表示为x1、y1和z1,x1、 y1和z1分别表示磁通门探头在X轴、Y轴和Z轴检测到的环焊缝信号,距离待检测管道第二距离的磁通门探头所检测到的环焊缝信号可表示为x2、y2和z2,x2、y2和z2分别表示磁通门探头在X轴、Y轴和Z轴检测到的环焊缝信号。第一距离和第二距离不同,比如,第一距离为1.2米,第二距离为0.5米。环焊缝信号为时间序列信号,即由不同时间点采集到的信号组成的,图2中的横坐标为时间,单位为s,纵坐标为信号强度,单位为db,通过图2可以看出,第一距离对应的z1信号趋于平缓,不容易判断环焊缝的位置,第二距离对应的z2信号波动较大,可能是走动时抖动导致。
为了使得后续确定的环焊缝识别结果更加准确,可采用两个磁通门探头检测待检测管道的环焊缝信号,这两基于采集到的两个环焊缝信号确定环焊缝识别结果,可使得确定的环焊缝识别结果更加准确。其中,两个磁通门探头可以是距离待检测管道的不同距离的位置对应的磁通门探头,这样通过这两个磁通门探头可检测得到不同位置处的环焊缝信号。
如果是两个磁通门探头采集的第一环焊缝信号和第二环焊缝信号,上述在获取分别通过两个磁通门探头检测待检测管道的第一环焊缝信号和第二环焊缝信号之后之后,该方法还包括:
对第一环焊缝信号和第二环焊缝信号进行差分信号处理,得到差分处理后的环焊缝信号。差分处理的目的是减少环焊缝信号中的噪声,使得后续确定的环焊缝识别结果更准确。
其中,参照前文描述可知,如果环焊缝信号包括X轴、Y轴和Z轴三个轴的分量信号,则对第一环焊缝信号和第二环焊缝信号进行差分信号处理,得到差分处理后的环焊缝信号可以为:对第一环焊缝信号的X轴分量信号和第二环焊缝信号的X轴分量信号进行差分处理,得到差分处理后的X轴分量信号,对第一环焊缝信号的Y轴分量信号和第二环焊缝信号的Y轴分量信号进行差分处理,得到差分处理后的Y轴分量信号,对第一环焊缝信号的 Z轴分量信号和第二环焊缝信号的Z轴分量信号进行差分处理,得到差分处理后的Z轴分量信号,将差分处理后的X轴分量信号、差分处理后的Y轴分量信号和差分处理后的Z轴分量信号作为差分处理后的环焊缝信号。
具体还可参见图3所示的差分处理后的环焊缝信号的示意图,由图3可知,图3的横坐标为时间,单位为s,纵坐标为信号强度,单位为db;在经过差分处理后,环焊缝信号中的峰值信号更加明显,从而基于差分处理后的环焊缝信号确定的环焊缝识别结果更加准确,在图3中,diff_x表示X轴的分量信号对应的差分处理后的信号,diff_y表示Y轴的分量信号对应的差分处理后的信号, diff_z表示Z轴的分量信号对应的差分处理后的信号。
由于差分后的环焊缝信号会存在负值,为了使差分后的环焊缝信号对应的值都为正值,同时将峰值信号放大,在对环焊缝信号进行差分信号处理,得到差分处理后的环焊缝信号之后,还包括:
对差分处理后的环焊缝信号进行放大处理,得到放大处理后的环焊缝信号。
其中,参照前文描述可知,如果环焊缝信号包括X轴、Y轴和Z轴三个轴的分量信号,则对差分处理后的环焊缝信号进行放大处理可以为:分别对三个轴的差分处理后的分量信号进行放大处理。具体还可参见图4所示的放大处理后的环焊缝信号的示意图,图4的横坐标为时间,单位为s,纵坐标为放大处理后的信号强度;由图4可知,在经过放大处理后,环焊缝信号中的各个时间点对应的值全都是正值,而且比差分信号明显了很多,非常容易判断信号峰值,从而基于放大处理后的环焊缝信号确定的环焊缝识别结果更加准确,在图4中,diff_x**2表示X轴的分量信号对应的放大处理后的信号,diff_y**2表示Y轴的分量信号对应的放大处理后的信号,diff_z**2表示Z轴的分量信号对应的放大处理后的信号,2表示放大系数,表示将原始的diff_x、diff_y和diff_z 分量信号放大2倍。
可选的,上述放大处理可以为幂处理。幂可以是2次方,也可以是4次方。
步骤S120,根据峭度法对环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数,峭度系数表征了环焊缝信号中的环焊缝特征。
步骤S130,根据平滑处理后的环焊缝信号,确定环焊缝信号的环焊缝识别结果。
幂处理后的信号大大提升了环焊缝信号的可识别度,但是由于现场地势复杂,在现场检测时往往地面坑洼不平,不好控制设备让其平稳不抖动,所测得的信号有许多晃动的峰,往往会影响对环焊缝的峰值信号的判断,则在本申请方案中,可通过峭度法对环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数,以通过峭度系数更好的表达环焊缝特征。
需要说明的是,上述如果只对环焊缝信号进行差分信号处理,不做放大处理,则步骤S120具体包括:根据峭度法对差分处理后的环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数。如果上述既对环焊缝信号进行差分信号处理,还进行放大处理,则上述步骤S120具体包括:根据峭度法对放大处理后的环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数。
可选的,基于时间的数据特征提取方法有很多,如最大值,峰值,均值,峭度,偏斜度等。其中,峭度特征提取法,能够很好地表达具有一定坡度的信号,并提取出信号的特征,因此,在本申请方案中,采用峭度法,即峭度特征提取法对环焊缝信号进行特征提取。
具体的,峭度特征提取法可通过以下公式(1)表示:
其中,K为峭度系数,x(n)为信号的时域序列,即环焊缝信号, n=1,2,3,...,N,为样本点数,σt为标准差,x为x(1~N)的环焊缝信号值的平均值。
峭度系数的意义如图5所示,当K=3定义为分布曲线具有正常峰度(即零峭度);当K>3时,分布曲线具有正峭度。由可知,当标准差σt小于正常状态下的标准差,即观测值(通过磁通门探头采集的环焊缝信号)的分散程度较小时,K增大,此时正态分布曲线峰顶的高度高于正常正态分布曲线,故称为正峭度。当K<3 时,分布曲线具有负峭度,当标准差σt大于正常状态下的标准差,即观测值的分散程度较大时,K减小,此时正态分布曲线峰顶的高度低于正常正态分布曲线,故称为负峭度。
可选的,参照前文描述可知,上述环焊缝信号包括X轴分量信号、Y轴分量信号和Z轴分量信号;则上述根据峭度法对放大处理后的环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数,包括:
根据峭度法对放大处理后的环焊缝信号的X轴分量信号进行特征提取,得到X轴分量信号对应的峭度系数;
根据峭度法对放大处理后的环焊缝信号的Y轴分量信号进行特征提取,得到Y轴分量信号对应的峭度系数;
根据峭度法对放大处理后的环焊缝信号的Z轴分量信号进行特征提取,得到Z轴分量信号对应的峭度系数;
将X轴分量信号对应的峭度系数、Y轴分量信号对应的峭度系数和Z轴分量信号对应的峭度系数作为环焊缝信号对应的峭度系数。
可选的,由于环焊缝信号为时间序列信号,X轴分量信号包括多个第一分量信号,即X轴分量信号由多个时间点的第一分量信号组成,一个时间点可对应一个第一分量信号,同理,Y轴分量信号包括多个第二分量信号,Z轴分量信号包括多个第三分量信号;
则根据峭度法对放大处理后的环焊缝信号的X轴分量信号进行特征提取,得到X轴分量信号对应的峭度系数,包括:
根据峭度法对每个第一分量信号进行特征提取,即对每个时间点的第一分量信号进行特征提取,得到每个第一分量信号对应的第一峭度系数;
上述根据峭度法对放大处理后的环焊缝信号的Y轴分量信号进行特征提取,得到Y轴分量信号对应的峭度系数,包括:
根据峭度法对每个第二分量信号进行特征提取,即对每个时间点的第二分量信号进行特征提取,得到每个第二分量信号对应的第二峭度系数;
上述根据峭度法对放大处理后的环焊缝信号的Z轴分量信号进行特征提取,得到Z轴分量信号对应的峭度系数,包括:
根据峭度法对每个第三分量信号进行特征提取,即对每个时间点的第三分量信号进行特征提取,得到每个第三分量信号对应的第三峭度系数;
上述根据环焊缝信号对应的峭度系数,确定环焊缝信号的环焊缝识别结果,包括:
根据各个第一峭度系数、各个第二峭度系数和各个第三峭度系数,确定环焊缝信号的环焊缝识别结果。
以其中Z轴分量信号对应的各个第三分量信号对应的第三峭度系数为例,参见表1:
表1峭度计算值列表
其中,K表示各个第三分量信号对应的第三峭度系数,序号表示各个第三分量信号的数量。
基于上述的方法,可以确定多个第一峭度系数、多个第二峭度系数和多个第三峭度系数,则上述根据各个第一峭度系数、各个第二峭度系数和各个第三峭度系数,确定环焊缝信号的环焊缝识别结果,包括:
根据各个第一峭度系数,确定第一目标峭度系数,并确定第一目标峭度系数对应的第一位置;
根据各个第二峭度系数,确定第二目标峭度系数,并确定第二目标峭度系数对应的第二位置;
根据各个第三峭度系数,确定第三目标峭度系数,并确定第三目标峭度系数对应的第三位置。
在确定了第一位置、第二位置和第三位置之后,则上述步骤S130 具体包括:
将第一位置、第二位置和第三位置确定为环焊缝信号的环焊缝识别结果。
其中,第一目标峭度系数可以反映出环焊缝在X轴对应的位置,则基于该第一目标峭度系数,可以确定出第一位置,同理,第二目标峭度系数可以反映出环焊缝在Y轴对应的位置,则基于该第二目标峭度系数,可以确定出第二位置;第三目标峭度系数可以反映出环焊缝在Z轴对应的位置,则基于该第三目标峭度系数,可以确定出第三位置;确定了环焊缝在待检测管道中的X轴的第一位置、Y轴的第二位置和Z轴的第三位置后,可将第一位置、第二位置和第三位置确定为环焊缝信号的环焊缝识别结果,即环焊缝在待检测管道中的位置,第一位置、第二位置和第三位置可以为坐标点,则第一位置、第二位置和第三位置可形成三维坐标,通过三维坐标表示环焊缝在待检测管道中的位置。
作为一个示例,参见表1中所示的Z轴对应的各个第三峭度系数,由表1中可以看出,当遇到环焊缝峰值时,第三峭度系数K 大于3,最高达到4.48,随后又下降至3以下。因此,可将第三目标峭度系数确定为3,即3对应的第三位置为环焊缝信号。
基于与图1中所示的方法相同的原理,本发明实施例还提供了一种基于深度学习的环焊缝信号处理装置20,如图6中所示,该基于深度学习的环焊缝信号处理装置20可以包括环焊缝信号获取模块 210、峭度系数确定模块220和识别模块230,其中:
环焊缝信号获取模块210,用于获取通过磁通门探头检测待检测管道的环焊缝信号;
峭度系数确定模块220,用于根据峭度法对环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数,峭度系数表征了环焊缝信号中的环焊缝特征;
识别模块230,用于根据环焊缝信号对应的峭度系数,确定环焊缝信号的环焊缝识别结果。
可选的,上述环焊缝信号获取模块210在获取通过磁通门探头检测待检测管道的环焊缝信号时,具体用于:
获取分别通过两个磁通门探头检测待检测管道的第一环焊缝信号和第二环焊缝信号;
在获取分别通过两个磁通门探头检测待检测管道的第一环焊缝信号和第二环焊缝信号之后,该装置还包括:
差分信号处理模块,用于对第一环焊缝信号和第二环焊缝信号进行差分信号处理,得到差分处理后的环焊缝信号;
上述峭度系数确定模块220在根据峭度法对环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数时,具体用于:
根据峭度法对差分处理后的环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数。
可选的,在对第一环焊缝信号和第二环焊缝信号进行差分信号处理,得到差分处理后的环焊缝信号之后,该装置还包括:
放大处理模块,用于对差分处理后的环焊缝信号进行放大处理,得到放大处理后的环焊缝信号;
上述峭度系数确定模块220在根据峭度法对差分处理后的环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数时,具体用于:
根据峭度法对放大处理后的环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数。
可选的,上述环焊缝信号包括X轴分量信号、Y轴分量信号和Z轴分量信号,则上述峭度系数确定模块220在根据峭度法对放大处理后的环焊缝信号进行特征提取,得到环焊缝信号对应的峭度系数时,具体用于:
根据峭度法对放大处理后的环焊缝信号的X轴分量信号进行特征提取,得到X轴分量信号对应的峭度系数;
根据峭度法对放大处理后的环焊缝信号的Y轴分量信号进行特征提取,得到Y轴分量信号对应的峭度系数;
根据峭度法对放大处理后的环焊缝信号的Z轴分量信号进行特征提取,得到Z轴分量信号对应的峭度系数;
将X轴分量信号对应的峭度系数、Y轴分量信号对应的峭度系数和Z轴分量信号对应的峭度系数作为环焊缝信号对应的峭度系数。
可选的,上述环焊缝信号为时间序列信号,X轴分量信号包括多个第一分量信号,Y轴分量信号包括多个第二分量信号,Z轴分量信号包括多个第三分量信号;
上述峭度系数确定模块220在根据峭度法对放大处理后的环焊缝信号的X轴分量信号进行特征提取,得到X轴分量信号对应的峭度系数时,具体用于:
根据峭度法对每个第一分量信号进行特征提取,得到每个第一分量信号对应的第一峭度系数;
上述峭度系数确定模块220在根据峭度法对放大处理后的环焊缝信号的Y轴分量信号进行特征提取,得到Y轴分量信号对应的峭度系数时,具体用于:
根据峭度法对每个第二分量信号进行特征提取,得到每个第二分量信号对应的第二峭度系数;
上述峭度系数确定模块220在根据峭度法对放大处理后的环焊缝信号的Z轴分量信号进行特征提取,得到Z轴分量信号对应的峭度系数时,具体用于:
根据峭度法对每个第三分量信号进行特征提取,得到每个第三分量信号对应的第三峭度系数;
上述识别模块230在根据环焊缝信号对应的峭度系数,确定环焊缝信号的环焊缝识别结果时,具体用于:
根据各个第一峭度系数、各个第二峭度系数和各个第三峭度系数,确定环焊缝信号的环焊缝识别结果。
可选的,上述识别模块230在根据各个第一峭度系数、各个第二峭度系数和各个第三峭度系数,确定环焊缝信号的环焊缝识别结果时,具体用于:
根据各个第一峭度系数,确定第一目标峭度系数,并确定第一目标峭度系数对应的第一位置;
根据各个第二峭度系数,确定第二目标峭度系数,并确定第二目标峭度系数对应的第二位置;
根据各个第三峭度系数,确定第三目标峭度系数,并确定第三目标峭度系数对应的第三位置;
将第一位置、第二位置和第三位置确定为环焊缝信号的环焊缝识别结果。
可选的,上述放大处理为幂处理。
本发明实施例的基于深度学习的环焊缝信号处理装置可执行本发明实施例所提供的基于深度学习的环焊缝信号处理方法,其实现原理相类似,本发明各实施例中的基于深度学习的环焊缝信号处理装置中的各模块、单元所执行的动作是与本发明各实施例中的基于深度学习的环焊缝信号处理方法中的步骤相对应的,对于基于深度学习的环焊缝信号处理装置的各模块的详细功能描述具体可以参见前文中所示的对应的基于深度学习的环焊缝信号处理方法中的描述,此处不再赘述。
其中,上述基于深度学习的环焊缝信号处理装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该基于深度学习的环焊缝信号处理装置为一个应用软件;该装置可以用于执行本发明实施例提供的方法中的相应步骤。
在一些实施例中,本发明实施例提供的基于深度学习的环焊缝信号处理装置可以采用软硬件结合的方式实现,作为示例,本发明实施例提供的基于深度学习的环焊缝信号处理装置可以是采用硬件译码处理器形式的处理器,其被编程以执行本发明实施例提供的基于深度学习的环焊缝信号处理方法,例如,硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC, Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD, Programmable Logic Device)、复杂可编程逻辑器件(CPLD, ComplexProgrammable Logic Device)、现场可编程门阵列(FPGA, Field-Programmable GateArray)或其他电子元件。
在另一些实施例中,本发明实施例提供的基于深度学习的环焊缝信号处理装置可以采用软件方式实现,图6示出了存储在存储器中的基于深度学习的环焊缝信号处理装置,其可以是程序和插件等形式的软件,并包括一系列的模块,包括环焊缝信号获取模块210、峭度系数确定模块220和识别模块230,用于实现本发明实施例提供的基于深度学习的环焊缝信号处理方法。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定。
基于与本发明的实施例中所示的方法相同的原理,本发明的实施例中还提供了一种电子设备,该电子设备可以包括但不限于:处理器和存储器;存储器,用于存储计算机程序;处理器,用于通过调用计算机程序执行本发明任一实施例所示的方法。
在一个可选实施例中提供了一种电子设备,如图7所示,图7所示的电子设备4000包括:处理器4001和存储器4003。其中,处理器4001和存储器4003相连,如通过总线4002相连。可选地,电子设备4000还可以包括收发器4004,收发器4004可以用于该电子设备与其他电子设备之间的数据交互,如数据的发送和/或数据的接收等。需要说明的是,实际应用中收发器4004不限于一个,该电子设备4000的结构并不构成对本发明实施例的限定。
处理器4001可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器4001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线4002可包括一通路,在上述组件之间传送信息。总线4002 可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器4003可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM (Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器4003用于存储执行本发明方案的应用程序代码(计算机程序),并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备也可以是终端设备,图7示出的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
本发明实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
根据本发明的另一个方面,还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种实施例实现方式中提供的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
应该理解的是,附图中的流程图和框图,图示了按照本发明各种实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本发明实施例提供的计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行上述实施例所示的方法。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本发明中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种基于深度学习的环焊缝信号处理方法,其特征在于,包括:
获取通过磁通门探头检测待检测管道的环焊缝信号;
根据峭度法对所述环焊缝信号进行特征提取,得到所述环焊缝信号对应的峭度系数,所述峭度系数表征了所述环焊缝信号中的环焊缝特征;
根据所述环焊缝信号对应的峭度系数,确定所述环焊缝信号的环焊缝识别结果。
2.根据权利要求1所述的方法,所述获取通过磁通门探头检测待检测管道的环焊缝信号,包括:
获取分别通过两个磁通门探头检测待检测管道的第一环焊缝信号和第二环焊缝信号;
所述获取分别通过两个磁通门探头检测待检测管道的第一环焊缝信号和第二环焊缝信号之后,还包括:
对所述第一环焊缝信号和所述第二环焊缝信号进行差分信号处理,得到差分处理后的环焊缝信号;
所述根据峭度法对所述环焊缝信号进行特征提取,得到所述环焊缝信号对应的峭度系数,包括:
根据所述峭度法对所述差分处理后的环焊缝信号进行特征提取,得到所述环焊缝信号对应的峭度系数。
3.根据权利要求2所述的方法,其特征在于,在对所述第一环焊缝信号和所述第二环焊缝信号进行差分信号处理,得到差分处理后的环焊缝信号之后,还包括:
对所述差分处理后的环焊缝信号进行放大处理,得到放大处理后的环焊缝信号;
所述根据所述峭度法对所述差分处理后的环焊缝信号进行特征提取,得到所述环焊缝信号对应的峭度系数,包括:
根据所述峭度法对所述放大处理后的环焊缝信号进行特征提取,得到所述环焊缝信号对应的峭度系数。
4.根据权利要求3所述的方法,其特征在于,所述环焊缝信号包括X轴分量信号、Y轴分量信号和Z轴分量信号;
所述根据所述峭度法对所述放大处理后的环焊缝信号进行特征提取,得到所述环焊缝信号对应的峭度系数,包括:
根据所述峭度法对所述放大处理后的环焊缝信号的X轴分量信号进行特征提取,得到所述X轴分量信号对应的峭度系数;
根据所述峭度法对所述放大处理后的环焊缝信号的Y轴分量信号进行特征提取,得到所述Y轴分量信号对应的峭度系数;
根据所述峭度法对所述放大处理后的环焊缝信号的Z轴分量信号进行特征提取,得到所述Z轴分量信号对应的峭度系数;
将所述X轴分量信号对应的峭度系数、所述Y轴分量信号对应的峭度系数和所述Z轴分量信号对应的峭度系数作为所述环焊缝信号对应的峭度系数。
5.根据权利要求4所述的方法,其特征在于,所述环焊缝信号为时间序列信号,所述X轴分量信号包括多个第一分量信号,所述Y轴分量信号包括多个第二分量信号,所述Z轴分量信号包括多个第三分量信号;
所述根据所述峭度法对所述放大处理后的环焊缝信号的X轴分量信号进行特征提取,得到所述X轴分量信号对应的峭度系数,包括:
根据所述峭度法对每个所述第一分量信号进行特征提取,得到每个所述第一分量信号对应的第一峭度系数;
所述根据所述峭度法对所述放大处理后的环焊缝信号的Y轴分量信号进行特征提取,得到所述Y轴分量信号对应的峭度系数,包括:
根据所述峭度法对每个所述第二分量信号进行特征提取,得到每个所述第二分量信号对应的第二峭度系数;
所述根据所述峭度法对所述放大处理后的环焊缝信号的Z轴分量信号进行特征提取,得到所述Z轴分量信号对应的峭度系数,包括:
根据所述峭度法对每个所述第三分量信号进行特征提取,得到每个所述第三分量信号对应的第三峭度系数;
所述根据所述环焊缝信号对应的峭度系数,确定所述环焊缝信号的环焊缝识别结果,包括:
根据各个所述第一峭度系数、各个所述第二峭度系数和各个所述第三峭度系数,确定所述环焊缝信号的环焊缝识别结果。
6.根据权利要求5所述的方法,其特征在于,所述根据各个所述第一峭度系数、各个所述第二峭度系数和各个所述第三峭度系数,确定所述环焊缝信号的环焊缝识别结果,包括:
根据各个所述第一峭度系数,确定第一目标峭度系数,并确定所述第一目标峭度系数对应的第一位置;
根据各个所述第二峭度系数,确定第二目标峭度系数,并确定所述第二目标峭度系数对应的第二位置;
根据各个所述第三峭度系数,确定第三目标峭度系数,并确定所述第三目标峭度系数对应的第三位置;
将所述第一位置、所述第二位置和所述第三位置确定为所述环焊缝信号的环焊缝识别结果。
7.根据权利要求3所述的方法,其特征在于,所述放大处理为幂处理。
8.一种基于深度学习的环焊缝信号处理装置,其特征在于,包括:
环焊缝信号获取模块,用于获取通过磁通门探头检测待检测管道的环焊缝信号;
峭度系数确定模块,用于根据峭度法对所述环焊缝信号进行特征提取,得到所述环焊缝信号对应的峭度系数,所述峭度系数表征了所述环焊缝信号中的环焊缝特征;
识别模块,用于根据所述环焊缝信号对应的峭度系数,确定所述环焊缝信号的环焊缝识别结果。
9.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述的方法。
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上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210634904.4A CN115017949A (zh) | 2022-06-06 | 2022-06-06 | 基于深度学习的环焊缝信号处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210634904.4A CN115017949A (zh) | 2022-06-06 | 2022-06-06 | 基于深度学习的环焊缝信号处理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115017949A true CN115017949A (zh) | 2022-09-06 |
Family
ID=83073641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210634904.4A Pending CN115017949A (zh) | 2022-06-06 | 2022-06-06 | 基于深度学习的环焊缝信号处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115017949A (zh) |
-
2022
- 2022-06-06 CN CN202210634904.4A patent/CN115017949A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110608982A (zh) | 检测方法、装置、移动设备、电子设备及存储介质 | |
CN108121018B (zh) | 检波点定位准确度评价方法和装置 | |
CN108344795B (zh) | 油气管道缺陷识别方法、装置及电子设备 | |
WO2024131113A1 (zh) | 基于正交交变电磁的管道轴向应力检测方法、装置及设备 | |
CN115656989A (zh) | 外参标定方法、装置、电子设备及存储介质 | |
CN112503399B (zh) | 一种地下管线位置的确定方法、装置及其存储介质 | |
CN103499829A (zh) | 一种具有gps定位功能的非接触式管道缺陷检测装置及检测方法 | |
CN117475154A (zh) | 一种基于优化Canny边缘检测的仪表图像识别方法及系统 | |
CN115017949A (zh) | 基于深度学习的环焊缝信号处理方法、装置、设备及介质 | |
CN113218328A (zh) | 基于三维激光扫描的设备检修方法、装置、设备及介质 | |
CN115805593B (zh) | 力传感器安装信息确定方法、装置、设备和介质 | |
CN110232734B (zh) | 一种在役管道数据的数字化处理方法 | |
CN113588796B (zh) | 一种海洋管道监测预警方法及系统 | |
CN113030240B (zh) | 一种北斗模式斜拉桥索力损伤识别方法及相关设备 | |
CN106778515B (zh) | 一种法兰轴向漏磁阵列信号自动识别方法 | |
CN115015376A (zh) | 基于卷积计算的环焊缝信号处理方法、装置、设备及介质 | |
CN213069914U (zh) | 桥梁巡检手持终端 | |
CN114691814A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN114022670A (zh) | 一种液位型变压器油位计识别方法及系统 | |
CN114491912A (zh) | 管道的应力腐蚀开裂开挖检测位置的确定方法及设备 | |
CN114923133A (zh) | 基于弱磁检测的内检测器的定位装置、方法、设备及介质 | |
CN112097629A (zh) | 一种排水管道安全监测方法、存储介质、终端及系统 | |
CN115389062B (zh) | 一种非接触式管体应力确定方法、装置、电子设备及介质 | |
CN110906944A (zh) | 多路径环境下的定位方法及装置、云端服务器 | |
CN114354337B (zh) | 锈蚀状态下金具的抗拉强度检测方法、装置、终端设备 |
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 |