CN115345879B - 基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法 - Google Patents
基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法 Download PDFInfo
- Publication number
- CN115345879B CN115345879B CN202211269493.XA CN202211269493A CN115345879B CN 115345879 B CN115345879 B CN 115345879B CN 202211269493 A CN202211269493 A CN 202211269493A CN 115345879 B CN115345879 B CN 115345879B
- Authority
- CN
- China
- Prior art keywords
- image
- real
- corrosion
- wall thickness
- autoclave
- 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.)
- Active
Links
- 230000007797 corrosion Effects 0.000 title claims abstract description 134
- 238000005260 corrosion Methods 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000003628 erosive effect Effects 0.000 claims abstract description 45
- 238000006243 chemical reaction Methods 0.000 claims abstract description 23
- 238000012163 sequencing technique Methods 0.000 claims abstract description 18
- 238000011161 development Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000010191 image analysis Methods 0.000 claims abstract description 6
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 230000001174 ascending effect Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000840 electrochemical analysis Methods 0.000 description 1
- 238000006056 electrooxidation reaction Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
- G06T2207/10136—3D ultrasound image
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明涉及图像数据处理技术领域，尤其是基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法，包括如下步骤：获取釜体反应腔内壁的二维平面展开图像并完成疑似孔蚀区域的标记、排序；获取釜体的反应腔的超声平面展开图像并完成孔蚀标记序列点的标记、排序；筛选并获取与各孔蚀标记序列点存在重叠的一个或多个疑似孔蚀区域，将其确定为真实孔蚀区域；对各个真实孔蚀区域进行图像分析并对其各自的腐蚀程度危急值排序：对得到的腐蚀程度危急值排在首位的真实孔蚀区域处的真实壁厚与釜体原始的标准壁厚取差值的绝对值，将所取绝对值与标准壁厚相比得到厚度腐蚀百分比X%；根据所得的厚度腐蚀百分比X%分析并预测高压釜的釜体剩余使用寿命。
Description
技术领域
本发明涉及图像数据处理技术领域，特别涉及一种能够通过采集高压釜内壁表面图像并根据图像处理结果有效分析其腐蚀度及预测其剩余使用寿命的新方法，尤其是基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法。
背景技术
高压釜是指化工行业内在高压工况下操作的反应设备，主要由反应容器、搅拌器及传统系统、冷却系统、安全装置、加热炉等组成。
由于高压釜内部反应环境的恶劣性，使得高压釜在长期使用后会因电化学腐蚀、化学腐蚀、高温腐蚀、高压冲击等造成内壁的局部腐蚀或者是均匀腐蚀，一般情况下局部腐蚀较为常见。
受腐蚀后的高压釜的容器壁易出现不同大小、不同程度的孔蚀、脱层腐蚀等现象，当高压釜出现严重的腐蚀后会影响其正常的使用。
因此，需要定期对内壁清洁完成后的高压釜进行内部腐蚀情况的检测与监测，以此来保证高压釜在使用过程中的相对安全性。
目前，一般采用如申请号为CN201910620991.6、专利名称为高压釜内可变风场调控的顶部腐蚀测试系统与测试方法的现有技术中的方式来在前期对高压釜进行以低的实验运行成本，通过温度、压力、冷却和可变风场的综合调控，实现各种顶部腐蚀工况的精细模拟来通过模拟腐蚀环境，可利用电化学测试系统获取顶部腐蚀过程的相关动力学数据、监测其经时演变规律。
可以看出，现有技术中的系统及方法主要是利用腐蚀模拟试验的方式来为高压釜后期制造、选材提供依据，但是，对已经在使用过程中的高压釜的腐蚀情况以及对高压釜的后续使用安全性预警上并无法起到模拟预测的目的，因此，现有技术中也并不能解决该问题。
为此，本发明在此提出了一种能够通过采集高压釜内壁表面图像并根据图像处理结果有效分析其腐蚀度及预测其剩余使用寿命的新方法，用以更好地解决现有技术中存在的问题。
发明内容
本发明为解决上述技术问题之一，所采用的技术方案是：基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法，包括如下步骤：
获取釜体的反应腔内壁的二维平面展开图像并完成疑似孔蚀区域的标记、排序；
获取釜体的标准壁厚并设定误差值；
获取釜体的反应腔的超声平面展开图像并完成孔蚀标记序列点的标记、排序；
将标记有孔蚀标记序列点的超声平面展开图像与标记有疑似孔蚀区域的二维平面展开图像进行匹配重叠处理；
筛选并获取与各孔蚀标记序列点存在重叠的一个或多个疑似孔蚀区域，并将其确定为真实孔蚀区域，同时将其余疑似孔蚀区域及其余孔蚀标记序列点剔除；
对各个真实孔蚀区域进行图像分析并对其各自的腐蚀程度危急值排序：
对上述得到的腐蚀程度危急值排在首位的真实孔蚀区域处的真实壁厚与釜体原始的标准壁厚取差值的绝对值，然后将所取绝对值与标准壁厚相比得到厚度腐蚀百分比X%；
根据所得的厚度腐蚀百分比X%分析并预测高压釜的釜体剩余使用寿命。
在上述任一方案中优选的是，获取釜体的反应腔内壁的二维平面展开图像并完成疑似孔蚀区域的标记、排序的具体步骤包括：
获取高压釜的釜体的反应腔内壁的三维立体扫描后的内表面图像；
对获取的上述的内表面图像进行平面展开后获得二维平面展开图像；
对二维平面展开图像中的疑似孔蚀区域进行提取并对其边缘标记、排序，在进行疑似孔蚀区域的边缘标记时采取的方法是：
采用Canny算子的多阶段算法依次完成图像降噪、计算图像梯度、非极大值抑制、双阈值筛选、得到边缘区域；进行本步骤中的排序时，随机选取疑似孔蚀区域后按自然数序列升序排序。
在上述任一方案中优选的是，获取釜体的反应腔的超声平面展开图像并完成孔蚀标记序列点的标记、排序的具体步骤如下：
在高压釜的釜体的反应腔内重复上述内表面图像的扫描轨迹完成超声扫描探测并得到三维超声图像及波形图；
三维超声图像平面展开后得到超声平面展开图像；
对所得波形图及超声平面展开图像分析：对比当前釜体的真实壁厚与标准壁厚的差别，将真实壁厚小于标准壁厚且两者误差大于设定误差值的区域中心进行标记，标记后在超声平面展开图像上形成孔蚀标记序列点。
在上述任一方案中优选的是，上述的三维超声图像平面展开后得到超声平面展开图像的展开方式为：将上述三维超声图进行按照二维平面展开图像的展开方式进行平面展开；
展开后获得超声平面展开图像，其中超声平面展开图像的边界轮廓与二维平面展开图像的边界轮廓完全相同。
在上述任一方案中优选的是，在进行孔蚀标记序列点的序号标记时，对应区域中心处的真实壁厚最小者的序号最小、真实壁厚最大者的序号最大，且依次按照自然数序列升序排列。
在上述任一方案中优选的是，对各个真实孔蚀区域进行图像分析并对其各自的腐蚀程度危急值排序的具体步骤如下：
当最小真实壁厚与第二小的真实壁厚不是相近的真实壁厚时：
选取孔所得的最小真实壁厚对应的孔蚀标记序列点，并将其所在的真实孔蚀区域作为腐蚀程度危急值排在首位的真实孔蚀区域；
当存在N个相近的真实壁厚时：
选取上述N个真实壁厚所对应的孔蚀标记序列点所处的N个真实孔蚀区域，并将其余真实孔蚀区域剔除；
对存在有上述N个真实孔蚀区域的平面图像选定合适的阈值并进行二值化处理；
建立bwperim 函数，对平面图像内部的由釜体内表面的腐蚀孔洞所围成的N个真实孔蚀区域的边缘进行精准提取；
利用matlab建立bwarea函数，计算N个真实孔蚀区域的封闭区域面积并依次标记为S1、S2、S3...... SN；其中，N为≥1的整数；
按照面积由大至小的顺序选取封闭区域面积排在首位的真实孔蚀区域作为腐蚀程度危急值排在首位的真实孔蚀区域。
在上述任一方案中优选的是，上述的相近的真实壁厚指的是：任意两者真实壁厚值取差值的绝对值后与两者中相对较小的真实壁厚值再取百分比，若所得百分比数值小于5%，则认定两者为相近的真实壁厚。
在上述任一方案中优选的是，根据厚度腐蚀百分比X%，综合分析并预测高压釜的釜体剩余使用寿命的步骤包括：
获取当前高压釜截止目前的安装月数M安装、产品总处理量T总；
设定最大安全腐蚀厚度百分比为A%；
对最大安全腐蚀厚度百分比为A%、当前的厚度腐蚀百分比X%去差的绝对值得到剩余安全腐蚀厚度百分比为S%；
利用如下公式得到预计剩余安全使用月数M剩余、预计剩余产品安全处理量T剩余：
M剩余=（M安装* S%）/ X%；
T剩余=（T总* S%）/ X%；
根据当前车间的生产量、使用频次具体情况来将M剩余或T剩余作为最终判定标准，得出剩余使用寿命。
在上述任一方案中优选的是，其中，上述的高压釜在化工车间内专用于某一种化学产品的处理。
与现有技术相比，本发明的有益效果如下：
本发明采用获取高压釜釜体内壁图像及三维超声探测成像相结合的方式实现对釜内腐蚀区域的拾取、判定、选择，可以有效地锁定相对危急值较高的腐蚀部位并根据该区域结合实际工况情况来达到预测后续剩余使用寿命的目的，有效地提高化工车间内高压釜使用过程中的安全性，降低因长期使用造成的釜体炸裂的风险。
本方法中采用孔蚀厚度结合面蚀面积的方式来分析并判断并获取腐蚀程度危急值排在首位的真实孔蚀区域，并以真实孔蚀区域的各指标作为最大速率腐蚀评判基准，能够有效地实现对当前高压釜釜内腐蚀状态的分析，同时有利于对其剩余可用周期的类比预测，有效地增加预测的相对准确性。
在进行预测过程中选用预计剩余安全使用月数M剩余、预计剩余产品安全处理量T剩余两个指标作为预测参考，可以有效地匹配不同车间在生产频次、生产量不同的情况下的有效预测，使得预测选择时更加客观、更具有针对性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部件一般由类似的附图标记标识。附图中，各元件或部件并不一定按照实际的比例绘制。
图1为本发明中分析高压釜内壁腐蚀度并预测其使用寿命的方法的流程图。
图2为本发明中对各个真实孔蚀区域进行图像分析并对其各自的腐蚀程度危急值排序的流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。本发明具体结构如图1-图2中所示。
实施例：
基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法，包括如下步骤：
获取釜体的反应腔内壁的二维平面展开图像并完成疑似孔蚀区域的标记、排序；
在本实施例中对于待检测的高压釜釜体内壁进行图像采集主要是因为釜体内部在化学反应过程中处于高压、强酸强碱等工况条件下，表面孔蚀、面蚀情况会直接反应釜体的受腐蚀情况，其可以作为直观表象要素反应当前釜体腐蚀情况；而在图像采集时通过计算机高清视觉技术获取得到待检测的三维立体扫描后的内表面图像，其中内壁表面的孔蚀部位、面蚀部位因腐蚀原因会造成对应部位的釜体材料缺失，在视觉上的反馈要素则是图像上颜色较深的闭环区域，但是并不是所有的颜色较深的闭环区域均为腐蚀区域，因此在此将其划定为疑似孔蚀区域并进行标记、排序。
获取釜体的标准壁厚并设定误差值；根据设计图纸或者是产品说明书获得当前的高压釜的釜体初始标准壁厚并将误差值考虑在内，以此建立初始釜体参照标准的数据库。
获取釜体的反应腔的超声平面展开图像并完成孔蚀标记序列点的标记、排序；
在本实施例中仅依靠视觉技术获得的三维立体扫描后的内表面图像并不能从径向壁厚的层面上或者真实壁厚；在此利用三维超声探测技术、超声回声测距技术对高压釜的釜体由内壁四周外侧散发探测，并成像获取三维超声图像以及具有若干个反向谷底状的波形图，结合超声图像及波形图经处理后将壁厚小于标准壁厚的点位进行标记为孔蚀标记序列点并以此排序。
将标记有孔蚀标记序列点的超声平面展开图像与标记有疑似孔蚀区域的二维平面展开图像进行匹配重叠处理；
上述的三维超声图像平面展开后得到超声平面展开图像的展开方式为：将上述三维超声图进行按照二维平面展开图像的展开方式进行平面展开；
展开后获得超声平面展开图像，其中超声平面展开图像的边界轮廓与二维平面展开图像的边界轮廓完全相同；
筛选并获取与各孔蚀标记序列点存在重叠的一个或多个疑似孔蚀区域，并将其确定为真实孔蚀区域，同时将其余疑似孔蚀区域及其余孔蚀标记序列点剔除。
超声平面展开图像、二维平面展开图像正片叠底处理后可以保证两图像上各点对应的釜体内表面的坐标相同，超声平面展开图像上各个孔蚀标记序列点反映真实壁厚、二维平面展开图像上的闭环区域反映疑似腐蚀部位，两者叠加取交集所在的疑似孔蚀区域即可获得真实壁厚减小且表面呈现闭环深色区域的部位，该部位即可确定为真实受到腐蚀的部位，以此来获取真实孔蚀区域，同时，为了降低无关区域的影响，防止其对后续的图像处理造成干扰，故在此需要剔除假象状态下的疑似孔蚀区域，以降低分析目标的个数，提高后续处理效率与准确性。
对各个真实孔蚀区域进行图像分析并对其各自的腐蚀程度危急值排序，其具体步骤如下：
当最小真实壁厚与第二小的真实壁厚不是相近的真实壁厚时，此时说明仅存在一个最小真实壁厚值且其余点位的真实壁厚均与其相差较大，也就是说剩余的真实壁厚相对较厚一些，该情况反映出当前位置的真实壁厚腐蚀程度最快且远超其它部位：
选取孔所得的最小真实壁厚对应的孔蚀标记序列点，并将其所在的真实孔蚀区域作为腐蚀程度危急值排在首位的真实孔蚀区域。
该种情况下当前位置的真实壁厚腐蚀程度最快且远超其它部位，因此可以直接将该部位作为当前最薄弱区域，类比推理得到在其余条件不变的情况下该处在后期使用过程中仍会处于过度腐蚀的状态，因此锁定该部位作为剩余使用寿命的参考参数。
当存在N个相近的真实壁厚时，此时说明在高压釜的内壁表面存在多个孔蚀程度较严重且程度相差不大的区域，因此该种情况下的目标个数存在多个，需要结合其它条件从中选择一个具有较大概率使其腐蚀程度危急值排在首尾的区域：
选取上述N个真实壁厚所对应的孔蚀标记序列点所处的N个真实孔蚀区域，并将其余真实孔蚀区域剔除；
确定N个相近的真实壁厚的区域作为目标后，直接提出其余真实孔蚀区域可以有效地删减目标处理量，提高处理效果。
对存在有上述N个真实孔蚀区域的平面图像选定合适的阈值并进行二值化处理；有效地减少目标图像中数据量，进一步凸显出各个真实孔蚀区域目标的区域轮廓；
建立bwperim 函数，对平面图像内部的由釜体内表面的腐蚀孔洞所围成的N个真实孔蚀区域的边缘进行精准提取；经过二值化处理的区域轮廓在经过bwperim 函数提取时可以有效地提高边缘提取精度。
利用matlab建立bwarea函数，计算N个真实孔蚀区域的封闭区域面积并依次标记为S1、S2、S3...... SN；
按照面积由大至小的顺序选取封闭区域面积排在首位的真实孔蚀区域作为腐蚀程度危急值排在首位的真实孔蚀区域。
真实孔蚀区域内存在的相关要素包括孔蚀标记序列点处对应的真实壁厚值、真实孔蚀区域的轮廓面积值两个要素，由于真实壁厚值类似且相差不大，因此在此作为相同量，变量即为真实孔蚀区域的轮廓面积值，因此计算所得的面积值决定了各个真实孔蚀区域的腐蚀严重程度的排序，腐蚀面积越大该并部位出现破裂的概率越大。
对上述得到的腐蚀程度危急值排在首位的真实孔蚀区域处的真实壁厚与釜体原始的标准壁厚取差值的绝对值，然后将所取绝对值与标准壁厚相比得到厚度腐蚀百分比X%。
针对上述不同情况下所得到的腐蚀程度危急值经上述计算后可以得到利用该区域的真实已腐蚀掉的壁厚所占标准壁厚的百分比来反应受腐蚀程度，这种算法可以更加客观真实的反应整个釜体当前较为严重的腐蚀状态，保证了预测时预留安全系数。
根据所得的厚度腐蚀百分比X%分析并预测高压釜的釜体剩余使用寿命，其具体步骤包括：
获取当前高压釜截止目前的安装月数M安装、产品总处理量T总；
设定最大安全腐蚀厚度百分比为A%；
对最大安全腐蚀厚度百分比为A%、当前的厚度腐蚀百分比X%去差的绝对值得到剩余安全腐蚀厚度百分比为S%；
利用如下公式得到预计剩余安全使用月数M剩余、预计剩余产品安全处理量T剩余：
M剩余=（M安装* S%）/ X%；
T剩余=（T总* S%）/ X%；
根据当前车间的生产量、使用频次具体情况来将M剩余或T剩余作为最终判定标准，得出剩余使用寿命。
示例：某化工车间在对其车间内的高压釜进行腐蚀程度检测时，预先采集到的安装月数M安装为72个月（6年）、产品总处理量T总为1200吨，同时，经上述步骤获取图像并分析处理后得到当前高压釜的厚度腐蚀百分比X%为8%。在此根据产品生产工况等以及安全管理条例选定并设定最大安全腐蚀厚度百分比A%为25%，经计算可以得到剩余安全腐蚀厚度百分比S%为17%。
将所得各参数套入上述公式，得到：预计剩余安全使用月数M剩余为153个月、预计剩余产品安全处理量T剩余为2550吨。
对于所得到的M剩余为153个月、T剩余为2550吨，具体根据哪一参数进行预测可以由车间技术人员根据公司后续的实际计划、订单、生产量、生产周期进行优化选定。
在上述任一方案中优选的是，获取釜体的反应腔内壁的二维平面展开图像并完成疑似孔蚀区域的标记、排序的具体步骤包括：
获取高压釜的釜体的反应腔内壁的三维立体扫描后的内表面图像；
对获取的上述的内表面图像进行平面展开获得二维平面展开图像。
在此利用视觉扫描技术将内表面图像进行全面扫描，同时扫描后可以根据实际需求将其展开并呈现为二维平面展开图像，便于后续图像、像素化处理及二维坐标的确定。
对二维平面展开图像中的疑似孔蚀区域进行提取并对其边缘标记、排序，在进行疑似孔蚀区域的边缘标记时采取的方法是：
采用Canny算子的多阶段算法依次完成图像降噪、计算图像梯度、非极大值抑制、双阈值筛选、得到边缘区域。
通过设定Canny算子的多阶段算法能够尽可能多地标识出图像中的实际边缘；标识出的边缘区域与实际图像中的实际边缘可以达到尽可能地接近。
在上述任一方案中优选的是，获取釜体的反应腔的超声平面展开图像并完成孔蚀标记序列点的标记、排序的具体步骤如下：
在高压釜的釜体的反应腔内重复上述内表面图像的扫描轨迹完成超声扫描探测并得到三维超声图像及波形图；
在进行三维图像生成时利用超声探测、探伤技术获取立体的三维超声模型图，同时可以在探测的过程中根据波形图及超声返回时间来计算得到不同区域部位的真实釜体壁厚；
三维超声图像平面展开后得到超声平面展开图像；
对所得波形图及超声平面展开图像分析：对比当前釜体的真实壁厚与标准壁厚的差别，将真实壁厚小于标准壁厚且两者误差大于设定误差值的区域中心进行标记，标记后在超声平面展开图像上形成孔蚀标记序列点。
在所得的图像区域内会存在一些真实壁厚大于标准壁厚的区域，该区域一般为在釜体的外壁上焊接有额外的扶手、连接耳等零部件，该处的连接强度相对较强且厚度较厚，因此在筛选易破裂区域时将其剔除。
在上述任一方案中优选的是，在进行孔蚀标记序列点的序号标记时，对应区域中心处的真实壁厚最小者的序号最小、真实壁厚最大者的序号最大，且依次按照自然数序列升序排列。
依靠序号的大小来判断真实壁厚的厚薄，从而可以将重点需要关注的区域置于靠前的序号排列，便于对其进行采集处理。
在上述任一方案中优选的是，上述的相近的真实壁厚指的是：任意两者真实壁厚值取差值的绝对值后与两者中相对较小的真实壁厚值再取百分比，若所得百分比数值小于5%，则认定两者为相近的真实壁厚。
当两个壁厚相差不大时可以将其视为类似的俯视程度，因此在此设置了5%（具体执行过程中该数值并不唯一，可以小幅度调整）作为参照量。
在上述任一方案中优选的是，其中，上述的高压釜在化工车间内专用于某一种化学产品的处理。可以尽量的减少外部反应条件变化带来的影响，尽可能剔除无关因素。
综上可以看出，本发明采用获取高压釜釜体内壁图像及三维超声探测成像相结合的方式实现对釜内腐蚀区域的拾取、判定、选择，可以有效地锁定相对危急值较高的腐蚀部位并根据该区域结合实际工况情况来达到预测后续剩余使用寿命的目的，有效地提高化工车间内高压釜使用过程中的安全性，降低因长期使用造成的釜体炸裂的风险；本方法中采用孔蚀厚度结合面蚀面积的方式来分析并判断并获取腐蚀程度危急值排在首位的真实孔蚀区域，并以真实孔蚀区域的各指标作为最大速率腐蚀评判基准，能够有效地实现对当前高压釜釜内腐蚀状态的分析，同时有利于对其剩余可用周期的类比预测，有效地增加预测的相对准确性；在进行预测的过程中选用预计剩余安全使用月数M剩余、预计剩余产品安全处理量T剩余两个指标作为预测参考，可以有效地匹配不同车间在生产频次、生产量不同的情况下的有效预测，使得预测选择时更加客观、更具有针对性。
以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中；对于本技术领域的技术人员来说，对本发明实施方式所做出的任何替代改进或变换均落在本发明的保护范围内。
本发明未详述之处，均为本技术领域技术人员的公知技术。
Claims (4)
1.基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法，其特征在于：包括如下步骤：
获取釜体的反应腔内壁的二维平面展开图像并完成疑似孔蚀区域的标记、排序，其具体步骤包括：
获取高压釜的釜体的反应腔内壁的三维立体扫描后的内表面图像；
对获取的上述的内表面图像进行平面展开后获得二维平面展开图像；
对二维平面展开图像中的疑似孔蚀区域进行提取并对其边缘标记、排序，在进行疑似孔蚀区域的边缘标记时采取的方法是：
采用Canny算子的多阶段算法依次完成图像降噪、计算图像梯度、非极大值抑制、双阈值筛选、得到边缘区域；进行本步骤中的排序时，随机选取疑似孔蚀区域后按自然数序列升序排序；
获取釜体的标准壁厚并设定误差值；
获取釜体的反应腔的超声平面展开图像并完成孔蚀标记序列点的标记、排序，其具体步骤如下：
在高压釜的釜体的反应腔内重复上述内表面图像的扫描轨迹完成超声扫描探测并得到三维超声图像及波形图；
三维超声图像平面展开后得到超声平面展开图像；
对所得波形图及超声平面展开图像分析：对比当前釜体的真实壁厚与标准壁厚的差别，将真实壁厚小于标准壁厚且两者误差大于设定误差值的区域中心进行标记，标记后在超声平面展开图像上形成孔蚀标记序列点；
将标记有孔蚀标记序列点的超声平面展开图像与标记有疑似孔蚀区域的二维平面展开图像进行匹配重叠处理；
筛选并获取与各孔蚀标记序列点存在重叠的一个或多个疑似孔蚀区域，并将其确定为真实孔蚀区域，同时将其余疑似孔蚀区域及其余孔蚀标记序列点剔除；
对各个真实孔蚀区域进行图像分析并对其各自的腐蚀程度危急值排序，其具体步骤如下：
当最小真实壁厚与第二小的真实壁厚不是相近的真实壁厚时：
选取孔所得的最小真实壁厚对应的孔蚀标记序列点，并将其所在的真实孔蚀区域作为腐蚀程度危急值排在首位的真实孔蚀区域；
当存在N个相近的真实壁厚时：
选取上述N个真实壁厚所对应的孔蚀标记序列点所处的N个真实孔蚀区域，并将其余真实孔蚀区域剔除；
对存在有上述N个真实孔蚀区域的平面图像选定合适的阈值并进行二值化处理；
建立bwperim 函数，对平面图像内部的由釜体内表面的腐蚀孔洞所围成的N个真实孔蚀区域的边缘进行精准提取；
利用matlab建立bwarea函数，计算N个真实孔蚀区域的封闭区域面积并依次标记为S1、S2、S3...... SN；其中，N为≥1的整数；
按照面积由大至小的顺序选取封闭区域面积排在首位的真实孔蚀区域作为腐蚀程度危急值排在首位的真实孔蚀区域：
对上述得到的腐蚀程度危急值排在首位的真实孔蚀区域处的真实壁厚与釜体原始的标准壁厚取差值的绝对值，然后将所取绝对值与标准壁厚相比得到厚度腐蚀百分比X%；
根据所得的厚度腐蚀百分比X%分析并预测高压釜的釜体剩余使用寿命，其具体步骤包括：
获取当前高压釜截止目前的安装月数M安装、产品总处理量T总；
设定最大安全腐蚀厚度百分比为A%；
对最大安全腐蚀厚度百分比为A%、当前的厚度腐蚀百分比X%去差的绝对值得到剩余安全腐蚀厚度百分比为S%；
利用如下公式得到预计剩余安全使用月数M剩余、预计剩余产品安全处理量T剩余：
M剩余=（M安装* S%）/ X%；
T剩余=（T总* S%）/ X%；
根据当前车间的生产量、使用频次具体情况来将M剩余或T剩余作为最终判定标准，得出剩余使用寿命。
2.根据权利要求1所述的基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法，其特征在于：上述的三维超声图像平面展开后得到超声平面展开图像的展开方式为：将上述三维超声图进行按照二维平面展开图像的展开方式进行平面展开；
展开后获得超声平面展开图像，其中超声平面展开图像的边界轮廓与二维平面展开图像的边界轮廓完全相同。
3.根据权利要求2所述的基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法，其特征在于：在进行孔蚀标记序列点的序号标记时，对应区域中心处的真实壁厚最小者的序号最小、真实壁厚最大者的序号最大，且依次按照自然数序列升序排列。
4.根据权利要求3所述的基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法，其特征在于：上述的相近的真实壁厚指的是：任意两者真实壁厚值取差值的绝对值后与两者中相对较小的真实壁厚值再取百分比，若所得百分比数值小于5%，则认定两者为相近的真实壁厚。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211269493.XA CN115345879B (zh) | 2022-10-18 | 2022-10-18 | 基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211269493.XA CN115345879B (zh) | 2022-10-18 | 2022-10-18 | 基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115345879A CN115345879A (zh) | 2022-11-15 |
| CN115345879B true CN115345879B (zh) | 2023-03-24 |
Family
ID=83957178
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211269493.XA Active CN115345879B (zh) | 2022-10-18 | 2022-10-18 | 基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115345879B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116611823B (zh) * | 2023-07-21 | 2023-10-17 | 济宁正东化工有限公司 | 一种基于机器视觉的高压釜运行监管系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109615654A (zh) * | 2019-01-09 | 2019-04-12 | 中国矿业大学(北京) | 基于双目视觉的排水管道内表面腐蚀深度及面积测量方法 |
| CN109636824A (zh) * | 2018-12-20 | 2019-04-16 | 巢湖学院 | 一种基于图像识别技术的多目标计数方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101708168B1 (ko) * | 2015-04-30 | 2017-02-20 | 주식회사 엘쏠텍 | 3차원 전산유체해석 기반의 배관 감육 예측 및 평가 장치 및 그 방법 |
| CN106529019B (zh) * | 2016-11-08 | 2019-04-26 | 国家电网公司华中分部 | 一种基于腐蚀模型的输电铁塔剩余寿命评估方法 |
| CN107290270B (zh) * | 2017-07-01 | 2019-09-06 | 西南石油大学 | 一种用于套管的腐蚀寿命预测方法 |
| CN109658389A (zh) * | 2018-11-30 | 2019-04-19 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种腐蚀图像二值化处理方法 |
| CN113626970B (zh) * | 2020-05-08 | 2024-01-09 | 上海化学工业区公共管廊有限公司 | 公共管廊管道腐蚀剩余寿命评估方法及系统 |
| CN114295458B (zh) * | 2021-12-31 | 2024-03-19 | 西安稀有金属材料研究院有限公司 | 一种原子尺度研究金属材料原位腐蚀行为的方法 |
-
2022
- 2022-10-18 CN CN202211269493.XA patent/CN115345879B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109636824A (zh) * | 2018-12-20 | 2019-04-16 | 巢湖学院 | 一种基于图像识别技术的多目标计数方法 |
| CN109615654A (zh) * | 2019-01-09 | 2019-04-12 | 中国矿业大学(北京) | 基于双目视觉的排水管道内表面腐蚀深度及面积测量方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115345879A (zh) | 2022-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7653235B2 (en) | Surface anomaly detection system and method | |
| EP2776815B1 (en) | System and method for improving automated defect detection user interface | |
| CN115345879B (zh) | 基于图像分析高压釜内壁腐蚀度并预测其使用寿命的方法 | |
| CN115423813B (zh) | 焊管表面焊接缺陷检测方法 | |
| WO2020146708A1 (en) | Defect classification and source analysis for semiconductor equipment | |
| TWI444107B (zh) | 電漿異常放電診斷方法、電漿異常放電診斷系統及記錄電腦程式之記錄媒體 | |
| CN116309579A (zh) | 一种用图像处理的变压器焊缝质量检测方法 | |
| JP2008164613A (ja) | 複雑な幾何学形状を有する部品を検査するための多周波画像処理 | |
| CN109239073A (zh) | 一种用于汽车车身的表面缺陷检测方法 | |
| EP2605213B1 (en) | Method and system for processing images for inspection of an object | |
| CN113075065A (zh) | 基于图像识别的深海管道裂纹扩展监测与可靠性评估系统 | |
| Schmitt et al. | Machine vision system for inspecting flank wear on cutting tools | |
| CN117233347B (zh) | 一种碳钢球化等级测量方法、系统及设备 | |
| Palakal et al. | Intelligent computational methods for corrosion damage assessment | |
| CN114819768B (zh) | 一种电容器引出线焊接控制系统 | |
| Bonnín-Pascual et al. | Detection of cracks and corrosion for automated vessels visual inspection | |
| CN111238927A (zh) | 疲劳耐久性评测方法、装置、电子设备和计算机可读介质 | |
| Muravyov et al. | Weld Defects Automatic Visual Recognition by Combined Application of Canny Edge Detector and Interval Fusion with Preference Aggregation | |
| JP2010533599A (ja) | 円筒体研削の欠陥及び実施方式の分類方法 | |
| JP2002310958A (ja) | 材料寿命の評価システム、及び、その評価方法 | |
| CN113032726B (zh) | 基于核概率密度估计的加权上采样方法用于流化床结块故障监测方法 | |
| Li et al. | An integrated architecture for corrosion monitoring and testing, data mining, modeling and diagnostics/prognostics | |
| Naddaf-Sh et al. | Next-generation of weld quality assessment using deep learning and digital radiography | |
| JP2022013285A (ja) | 機械学習方法 | |
| JP3771809B2 (ja) | 材料寿命の評価システム |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Method for Analyzing the Corrosion Degree of the Inner Wall of a High Pressure Kettle Based on Images and Predicting Its Service Life Effective date of registration: 20231020 Granted publication date: 20230324 Pledgee: Yutai County Branch of China Postal Savings Bank Co.,Ltd. Pledgor: JINING KANGSHENG CAIHONG BIOTECHNOLOGY Co.,Ltd. Registration number: Y2023980061972 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |