CN1608273A - 使用图像模式识别的卷曲管道检测系统 - Google Patents
使用图像模式识别的卷曲管道检测系统 Download PDFInfo
- Publication number
- CN1608273A CN1608273A CNA028258959A CN02825895A CN1608273A CN 1608273 A CN1608273 A CN 1608273A CN A028258959 A CNA028258959 A CN A028258959A CN 02825895 A CN02825895 A CN 02825895A CN 1608273 A CN1608273 A CN 1608273A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- image
- defective
- imaging device
- curling
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/188—Capturing isolated or intermittent images triggered by the occurrence of a predetermined event, e.g. an object reaching a predetermined position
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B19/00—Handling rods, casings, tubes or the like outside the borehole, e.g. in the derrick; Apparatus for feeding the rods or cables
- E21B19/22—Handling reeled pipe or rod units, e.g. flexible drilling pipes
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/002—Survey of boreholes or wells by visual inspection
-
- 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
Abstract
一种用于识别卷曲管道(100)中预定的特征的检查系统,包括:一计算机系统,被配置为执行模式识别软件;以及多个成像设备(300),被配置为当管道通过成像设备(300)时,捕捉卷曲管道(100)的视频图像。检查系统(310)所捕捉到的图像被传送到计算机系统,并且模式识别软件分析该图像,从该图像中提取特征,以及如果在图像中识别出缺陷,则产生一指示。计算机系统读取计数器信号(330)以便识别沿着卷曲管道(100)的纵向位置,其中缺陷定位在该位置。计数器信号(330)也可用于启动或禁止该检查系统。该系统通过任意存储视频图像而能够进行实时处理或后处理。卷曲管道(100)包括作为参考的纵向条纹以便识别预定特征的圆周位置。
Description
技术领域
本发明一般涉及监控使用期间的导管和管道,尤其涉及检测使用期间的导管或管道中的磨损和缺陷。本发明更特别地涉及一种自动检查和监控系统,该系统使用图像处理和模式识别来定位和识别在合成卷曲管道的整个长度上的变化、磨损以及缺陷。
背景技术
在油井钻孔领域中,卷曲管道逐渐地代替了传统钢铁分段导管。通常的钻孔机串管由上百个直线钢铁管道段组成,当所述串管伸下到井孔时,这些直线钢铁管道段在钻塔平台上被拧在一起。使用卷曲管道时,钻孔机串管由卷曲管道的一个或多个连续长度组成,当进行打孔时,所述连续长度的卷曲管道从稳定滑轮或线圈中抽出并且连接在一起以便从钻塔上注入到井孔中。通过使用卷曲管道,在钻孔处理中减少了用于误差或损伤的大量的时间、工作以及机会。
图1简单地描述了在油井钻孔应用中如何实施卷曲管道。卷曲管道100贮存在绕线架或电缆盘110上。当管道100从绕线架110中抽出并且指向钻架120时,导管经过连接在水平绞盘(levelwind)140上的一组导轮。当卷曲导管从辅助绕线架抽出或缠绕在其上时,水平绞盘140用于控制卷曲导管的位置。当管道接近钻架120时,第一接触点是S形弯管或导向弓形结构150。管道导向弓形结构150支撑该管道,并且在进入钻架120之前引导来自于辅助绕线架的管道通过弯曲半径。管道导向弓形结构150可以带有一组滚轮,当管道在导向弓形结构上向注入器160移动时,该滚轮中心定位导管。注入器160夹持导管的外部并且可控制地提供力度以便使导管松动进入井孔或从井孔取出。应该注意到:图1所示的钻架120是钻架的一种简单表示。
本领域的技术人员将意识到:图1中缺少各种部件。例如,一个完整的可操作钻架可以包括象在圣诞树或井栏上所发现的一串阀门或线轴。为清楚起见,可以从图1中忽略这些选项。
早期的卷曲管道的累接是金属结构的,例如由炭钢、耐蚀合金或钛组成。通过焊接较短长度的管道成为连续的串管来制作这些卷曲管道。最近的设计已经包括合成材料。合成卷曲管道由不同材料的同心层组成,例如包括:玻璃纤维、炭化纤维以及一种环氧或树脂矩阵内的聚乙二烯氟化物(“PVDF”)。通常在卷曲管道的应用中,这些材料是所希望的,因为它们较轻并且很柔软,因此很少产生由于在绕线架110上重复往返所导致的疲劳应力。合成卷曲轨道与被代替的钢铁对应物相比可能非常耐用,但是随着时间的过去,它们仍旧会磨损和撕裂。结果,对于由磨损、碰撞、应力或其他力量所导致的缺陷,必须有规律地监控卷曲管道的状态。
此外,当使用合成管道时,已经用于检查钢铁卷曲管道的那些技术已经不再合适或没有效果了。例如,分别在美国专利5303592和5090039中公开的声学和x-射线技术已被设计与钢铁卷曲管道同时使用。钢的密度使得这些检查技术对于金属管道来说比合成管道更有效。另一缺陷检测技术是管道的手动、目视检查,但是当考虑到在一规则的基础上检查成千英尺的管道时,该措施是不实际的。另外目视检查也受到人的误差的影响。
因此,必须发展用于检查连续长度的卷曲管道的新技术。传感器和接触计量器可能用于检查卷曲管道,但是这些设备仅能够用于检测局部缺陷。例如,当管道注入到井中或从井中抽出时,可将传感器放置在管道圆周的周围以便进行管道的连续测量。在该配置中,这些传感器仅能够监控沿着传感器追踪的一条线的管道的外表面。如果缺陷位于该类型物理传感器之间,那么可能检测不到该缺陷。此外,钻井机应用的地下自然条件使得沉积在管道上的外来碎片或物体既可产生错误的数据或管道淤塞并且损害传感器本身。所以,物理接触对于该类型的检查不是理想的。
如果使用非接触检查方法,那么这些问题是可以避免的。一种预期的方法包括当管道注入井中或从井中抽出时,使用激光来测量管道的外部直径。然而,当使用点接触传感器时,激光也被限制到局部的测量。所以希望开发一种自动检查卷曲管道的系统,该系统识别在管道的整个表面和长度上的表面缺陷。该检查系统优选地提供一种检测局部缺陷诸如裂纹或剥蚀的非插入方法。此外,该检查系统也能够识别大尺度缺陷诸如由轴应力所产生的颈缩或弯曲,所述轴应力可通过管道外径的变化来识别。
本发明克服了现有技术的缺陷。
发明内容
上述问题部分地由用于识别卷曲管道中的缺陷的一自动检查系统来解决。该检查系统包括:一计算机系统,被配置为执行模式识别软件;以及多个成像设备,被配置为当管道在成像设备的前面通过时,捕捉卷曲管道的视频图像。该成像设备可以是CCD照相机或光导纤维成像设备或一些其他的合适的成像设备。最好存在关于管道的轴心而彼此距离120°定位的三个成像设备。
由检查系统捕捉到的图像被传送到计算机系统,并且模式识别软件分析该图像,从该图像中提取特征,以及如果在图像中识别出缺陷,则产生一报警指示。作为对这个报警指示的响应,计算机系统可以发布包括在监视器上弹出显示或打印输出的多个用户报警。所述检查系统通过确定如果未被识别的特征的尺寸超过了用户指定的阈值,那么将特征认定为缺陷。同样,如果先前被识别的缺陷的特征已经超过了其原始尺寸的用户指定百分数,该系统可以将该特征认定为缺陷。模式识别软件进一步测量管道的外径,并且如果该直径在用户指定的公差范围外,则产生一报警指示。
检查系统使用一计数器或深度信号来识别沿着卷曲管道的位置。当模式识别软件产生一报警指示时,计算机系统读取该计数器信号以便识别管道上的纵向位置,其中缺陷定位在该位置。计数器信号也可用于启动或禁止该系统。如果计数器信号指示该卷曲管道没有移动或移动慢于一阈值,那么该检查系统被禁止。相反,如果计数器信号指示该卷曲管道的移动快于该阈值,那么启动该检查系统。
所述检查系统进一步包括:一视频栈式存储器,其被配置为通过使用计数器信号,而将从多个成像设备中获取的圆周的视频图像相互与沿着卷曲管道的纵向位置相关联。可将视频图像传输到计算机系统以用于实时识别缺陷。该系统也可选择性包括一视频记录器,其被配置为存储多个成像设备的视频图像。如果被执行,所存储的视频图像被传输到计算机系统以用于随后某一时间的缺陷识别。
与检查系统同时使用的卷曲管道最好包括管道外表面上的至少一个纵向条纹,来作为参考,以便识别管道上缺陷的环形位置。此外,卷曲管道可包括预定着色层以便示出磨损。
本发明的其他目的和优点将从后面的描述中显现出来。
附图说明
现在将参考附图对本发明的优选实施例进行详细的描述,其中:
图1示出了卷曲管道存储绕线架和卷曲管道经由钻架而延伸进入钻孔的惯用表示;
图2示出了能够控制和处理来自于图像设备的管道图像的自动管道检查控制中心的优选实施例图;
图3示出了指示定位在水平绞盘上的图像设备的优选位置的卷曲管道存储绕线架的侧视图;
图4示出了在由优选实施例的图像设备监控的情况下,优选卷曲管道的剖面图;
图4A示出了表明管道的不同层的优选卷曲管道的详细剖面图;
图5示出了和优选实施例一起使用的卷曲管道的典型部分的等角图;
图6示出了在不同时间获取管道上相同缺陷的两个图像表示,并且该表示指示卷曲管道上的条纹如何用作圆周坐标。
符号和术语
一些术语在随后的描述中一直使用并且要求涉及特定的系统部件。本领域技术人员将能意识到:本领域技术人员可用不同名称来涉及一部件。该文献并不打算区分两个部件之间只在于名称而非功能的区别。在接下来的讨论和权利要求中,术语“包括”和“包含”在可扩充方式中使用,所以将解释成“包括,但不限于…”的意思。同样,术语“耦合”或“连接”意思是指一种间接或直接的连接。所以,如果第一设备耦合到第二设备,那么这种连接可以完全是一种直接连接,或经由其他设备和连接的一种间接电连接。
另外,尽管为描述优选实施例,以下将术语“成像设备”描述为摄象机,但是本领域的技术人员将能意识到:其他的成像或图像拍摄设备诸如静止照相摄象机、光纤成像部件以及红外检测设备,可合适地配置为改善检查方法的可选实施例。
具体实施方式
在此所述的优选实施例公开了一种自动检查系统,当卷曲管道注入到井的钻孔或从井的钻孔移出时,该系统使用一个或多个成像设备来产生卷曲管道的图像和/或视频。这些图像被传送到能够以多种不同方法中的任一种方法来处理数据的控制中心。所述图像可存储在录像磁带或计算机磁盘或其他合适的介质上。所述图像被传送到计算机系统中,在该计算机系统中,计算机上运行的硬件和软件将捕捉到视频图像,并且借助于第三组图像处理软件包,优选实时处理所述图像并且扫描管道上预定的特征诸如有害的缺陷。接下来将结合相关附图2-6来描述优选实施例的整个范围。
现在参考图2,以图表形式描述的控制中心200包括优选检查系统的一些主要元件。特别地,检查系统包括一个能够执行图像处理和模式识别软件220的计算机系统210,所述图像处理和模式识别软件220能够检测管道100中预定义的特征诸如磨损、图案、裂纹、剥蚀或缺陷。控制中心也包括用于捕捉卷曲管道100的视频图像的一些成像设备的电源230和光源240。下面将更加详细地讨论优选的成像设备。成像设备的视频图像传回到控制中心,其中来自于单独成像设备的图像相互被视频栈式存储器250堆积,并且与相应的径向和圆周位置一起印在卷曲管道100上。下面将更加详细地讨论经由计数信号提供位置信息。视频栈式存储器250的堆积功能可通过计算机逻辑或任何标准视频记录装置来执行,并且将分开的图像或视频馈送组合成一个馈送,或者简单地把视频图像与位置计数信息相关。当然,由计算机210或一个完全分离的计算机(未示出)来执行堆积功能也是可行的。
如果实时处理不可行(因为计算机处理的限制)或不需要,那么能够使用适当的视频记录器260来记录被堆积的视频信号。所述视频记录器260可以是一个能够将视频存储在标准VHS,SVHS或8mm视频磁带上的模拟记录器。同样,该记录器可以是一个能够将视频图像存储在光盘或磁带、磁盘或驱动器上的数字记录器。应该注意到,记录器设备260也能够执行视频栈式存储器250的视频堆积功能。
此外,根据优选实施例,检查处理需要将成像设备中的视频图像或视频记录器260的记录介质中的视频图像实时传输到计算机210。计算机系统优选地包括帧接收器270或一些其他适合的显示板以便根据被模式识别软件220识别的输入视频信号来产生图像。信号通过一装置而传输到计算机,该装置,更准确地说是所使用的电缆和连接器的类型,取决于所使用的具体硬件。所以,所有的工业标准视频传输电缆诸如Toslink光导纤维、SPDIF或模拟RCA电缆是适合于该项任务的。
优选实施例中所实施的优选模式识别软件是部分由AmerinexApplied Imaging开发的AphelionTX图像分析系统。AphelionTX软件包能够执行包括形态、分段、过滤、边缘检测以及度量的多种标准图像分析功能。另外(大概更重要),软件能够使用从上述功能所采集的信息来执行模式识别和分类任务。所述软件使用二进制和模糊逻辑来创建有关从图像中提取信息如何被解释的规则。这些规则能够经由图形用户接口来创建和修改。所以,能够组合多个规则以便产生模仿人类决定处理的分类决定。该软件包的另一优点在于:训练集不需要很大。很多普通的统计和神经网络模式识别程序需要很大的训练集。因此,优选实施例的操作者仅需要提供具有可被检测(例如,某一尺寸的磨损、裂纹、剥蚀或变色)和被忽略(例如,制造者的标记或小缺陷)的代表性特征的若干采样图像。
一旦被训练和操作,模式识别软件220能够监控输入的图像并且从该图像中提取特征以便确定那些特征是否是将被标记的缺陷。如果发现缺陷,那么该软件能够产生一个中断或向计算机操作系统或处理器报告检测到缺陷的其他方式。然后,计算机210产生报警280以便警告缺陷的系统操作者。如果检查实时进行,那么警告可以是计算机屏幕上的报警信息,或者计算机可以启动一个很重要的报警事件诸如开启闪光灯、甚至强迫关闭卷曲管道注入器160或关闭连接到卷曲管道的向下打孔发动机或向下打孔推进系统。可以使用多种报警技术的任意一种。另一方面,如果作为一个后处理事件而进行检查,那么可以使用更柔和的报警方法诸如弹出窗口、输出日志或打印输出。在任一情况中,报警优选地显示其中发现有缺陷的图像的副本,并且包括径向位置或深度值以便指示沿着管道的缺陷的精确的坐标和位置。该特征允许操作者观看图像以便确定所述缺陷是否真正是所涉及的原因。可是,如果图像是不确定的,那么深度值允许操作者定位管道上的缺陷并且手动地检查缺陷。
现在参考图3,示出了成像设备的配置。图3示出了根据优选实施例的卷曲管道绕线架110,其包括用于伸入井的钻孔的卷曲管道100的缠绕长度,和具有导轮130的水平绞盘140,所述导轮用于将导管缠绕到绕线架110和从其上抽出时定位导管。另外,多个成像设备300在水平绞盘140上定位在导轮130的附近。当导管通过导轮130时,成像设备300优选配置为捕捉和传输导管100的视频图像。这些图像沿着视频电缆310而传输到控制中心200以便进一步的处理。作为对长而笨重的电缆的替换,视频信号也可以经由RF收发器或其他无线装置而传送到控制中心200。辅助电缆320用于向成像设备300供应电源和/或光。
为了成功地将从成像设备300所捕捉的图像与管道100上的位置相关联,计数器信号330随同视频信号一起传输到控制中心200。计数器信号可以是通过成像设备的管道的长度的数字表示,或者可选择性表示管道从绕线架110抽出时导轮130的旋转速度。在后面的配置中,随着时间的过去,通过检查处理系统来积分导轮的旋转速度以便将纵向深度位置与成像设备300所捕捉的图像相关联。本领域技术人员将能理解将图像和位置相关联的其他方法也是可行的。例如,一个可选实施例能够在除图3所示位置之外某一位置产生计数器/深度测量。
在控制中心200监控计数器信息的另一优点在于:检查系统可以是完全自动的。也就是说,只有当计数器信号指示管道正在移动时,计算机系统210可配置为开始监控输入视频信号。相反,如果管道没有移动(或者管道的移动小于小的阈值),那么检查系统将空闲或停止,因此不需要连续地传输电源和/或光信号到成像设备。停止检查系统也有利于消除捕捉重复图像的可能性。
计数器信息可以从其他的位置诸如绕线架110(基于绕线架的旋转)或注入器160(基于管道馈送率)而得到。不管怎样,可以想象,管道的最大速度是2500ft/小时(~8.3英尺/秒)以便允许检查系统每秒捕捉和处理每一设备300的3到5个图像。自然,这些数字是目标数字,并且只要检查系统能够沿着管道的整个长度良好地识别缺陷,那么也允许其变化。
成像设备300优选为可脱离多个厂商中任一厂商的架子而使用的电荷耦合器件(“CCD”)摄象机。标准和背光CCD照相机都能够满足捕捉这些图像的目的。而且,图像捕捉设备可以凝视和扫描变化。另外,照相机能够传输模拟或数字视频信号,但是可以想象:数字CCD将需要具有8比特每象素颜色或灰度色标深度的640×480象素的最小分辨率。当在优选实施例中使用CCD照相机时,若干其他成像设备诸如CMOS图像传感照相机或红外成像设备也可为捕捉卷曲管道图像的预期目而工作,这无疑是可行的。
作为对刚才所描述的光电导成像设备的替换,也可使用光导纤维成像设备以便产生卷曲管道100的视频图像。在该可选实施例中,光导纤维电缆从管道100延伸回到控制中心200,其中照明光和被捕捉的图像在所述光导纤维电缆上传播。该配置提供以下好处:不需要向成像设备300传输电源,因为光源和图像集聚装置定位在控制中心200,且优选地在图像处理计算机210和视频存储设备260的附近。
可以想象:优选的检查系统必须在一天的任何时间和不同的天气条件下工作。所以,成像设备300优选地具有一个集成的光源。作为选择,辅助光源可耦合到每一成像设备。另一可选方案是通过(不成像)光导纤维电缆来提供光。光导纤维光源比白炽或卤化光源(即,灯泡)更优越,因为后者需要额外的电源以便打开光源。这不是说光导纤维照明系统不具有同样的电源需求,只不过该电源仅需提供给定位在遥远的环境、安全的外壳诸如控制中心200内的光源。光导纤维电缆被动地将光从光源传送到成像设备以便照明管道100。此外,普通的光导纤维光源可为所有的成像设备300照明管道100。为了满足不受气候影响的要求,成像设备300和光源可密封在一个不受气候影响、防爆和/或抗震的外壳内(未专门在图2中示出)。
现在参考图4,根据优选实施例,检查系统优选地包括所示的三个同样的成像设备300。成像设备300优选地在方位角方向上彼此距离120°而定位并且以卷曲管道的中心、纵轴为中心。成像设备和管道100的纵轴之间的距离必需通过成像设备300内的光学器件的焦距来确定,并且理论上,导管的聚焦图像填充了成像设备的孔径的大部分。在该配置中,当管道穿过成像设备时,每一单个成像设备300捕捉到大约三分之一的管道图像。每一成像设备实际上“看到”管道100的一侧(一半),但是由于管道的弯曲和移动,图像的边缘将会失真。因此,在优选的配置中,由单个成像设备300所捕捉的图像将会重叠并且提供一些确定性的度量,即图像边缘的缺陷将被至少一个、或者两个成像设备检测到。同样的逻辑认为4或更多的成像设备可提供更高的确定性,即在管道中发现缺陷。不幸的是,另外的视频或图像将另外的处理要求安置在计算机硬件和软件上。所以,只要未超出图形处理或存储系统的容量,从系统稳定性的角度来说,“越多越好”的方法通常正确的。
如图3和4所示,对于三个成像设备的每一个来说,成像设备的纵向位置最好相同。这样作是为了考虑其他因素中的空间和封装,但是这不是为什么不以交差配置的方式来放置成像设备放置的原因。交差配置允许成像和处理功能串行而不是并行发生,如果模式识别软件每次不能处理多于一个的图像,那么该交差配置提供了一些防护措施。然而,如以上所讨论那样,所述优选实施例也结合了堆积功能,其中图像被组合并且与计数器值相关以便正确地识别由系统所标记的缺陷的位置。同样,优选实施例也适合于该堆积功能。
仍旧参考图4,如上所述,每一成像设备300捕捉管道100的一半的图像。给定的管道100和成像设备300是受约束的,所述图像可方便地提供在与成像设备300的瞄准线垂直的方向上的管道外径的定性测量。实际上,特征测量是优选模式识别软件220执行的一项功能。所以,除缺陷识别以外,检查系统也能够在多个位置上(也就是,一个位置对应于每一成像设备300)度量管道的全径。这些直径的测量最好由计算机系统210相对于上下公差来检查以便验证合成管道的张力和压力不影响管道100的结构。
图4A示出了根据优选实施例的典型卷曲管道的详细横截面。所述卷曲管道优选包括从不可渗透的PVDF400的内衬开始的多种材料同心层。下一层包括通过玻璃纤维410和430而界定任一边的炭化纤维420。然后是另一个不可渗透的PVDF440的层并且最外面的磨损层450是另一个玻璃纤维层。该磨损层的厚度最好是1/16英寸,尽管其他的厚度也是允许的。最外面的PVDF层440与外部磨损层450相比最好具有一种明显的不同颜色。在优选的实施例中,磨损层是主灰色并且下面的PVDF层是浅白色。颜色上的这种对比差别允许检查系统和操作者清楚地“看到”何时由于剥蚀或其他外力而使得磨损层磨损。模式识别软件优选地识别这种颜色上的对比,其将显示为如图5所描述的对比区域。
图5示出了管道100的典型部分的等角图。该优选管道检查系统配置为识别和标记图5所示的类型特征。也就是说,通常圆形特征500可表示磨损区域、较大的凹坑或一些其他的缺陷。缺陷500也可表示在磨损层450下面的层440的对比颜色。可以想象,检查系统将对尺寸大概为1平方英寸的该类型特征进行标记。然而,如先前所述的那样,该阈值可作为用户可调阈值而被结合。
图5也示出了一个可被优选实施例检测到的典型裂纹510。合成卷曲管道最外面的层优选地包括以显著的螺旋图案方式布置的光纤。所以,可能由于包括层450的光纤的分离,外层中所出现的许多裂纹将沿着这个螺旋方向。图5所示的裂纹510表示这类有角度的裂纹。如以上所讨论的一般的圆形缺陷500,检查系统理论上可配置为检测比预定的可调的阈值大的裂纹。例如,检查系统优选地检测到比0.03(宽度)×0.50(长度)还大的裂纹。
然而,优选实施例所期望的目标是检测诸如图5所示的有害的缺陷500、510,同样期望忽略那些不是缺陷的特征诸如制造的题字或图案。同样,优选检查系统的用户可方便地训练模式识别系统并且建立规则以便忽略字母数字图形530或其他先前存在的特征诸如具有不同的颜色或具有明显不同的图案的线或条纹550、560。
对于优选检查系统的其他的预期特征包括卷曲管道100上的纵向条纹550、560。对于该点,在优选实施例的描述中,模式识别软件220从成像设备300所捕捉到的图像中提取特征,并且1)确定特征是否是缺陷并且如果是那样的话,2)比较相对于用户确定的阈值的缺陷的尺寸。可是,同样希望将缺陷的图像与相同缺陷的在先图像进行比较以便确定缺陷的大小是否改变。为了合并该特征,需要能够确定特征的圆周位置的一些方法。为了该目的,条纹550、560沿着管道的整个长度而印在卷曲管道的外表面。条纹550、560最好通过颜色、厚度或图案来区分。管道100在注入到井中并且从井重抽出期间可以旋转的事实产生了这些条纹的优点。因此,感兴趣的特征将总是出现在随后图像的不同位置上。如果没有由条纹所提供的参考,那么将不能正确地识别缺陷。
举例来说关于图5,当管道100移动通过水平绞盘140并进入井时,一个成像设备300捕捉卷曲管道100的视频图像。图像捕捉设备可凝视或扫描变化。可以理解,当卷曲管道向孔下移动时,视频图像就像能够沿着管道100的长度及时在给定点捕捉卷曲管道100一小段的图像的胶片的静止照片或帧。当管道100最好以不大于每秒8英寸的管道的速度移动通过水平绞盘140时,成像设备300可以每秒捕捉到15至20或更多的视频图像。所以当管道通过成像设备100时,该成像设备可以捕捉到15至20个8英寸长的管道100的图像。优选的,检查系统仅处理3至5个这些图像以便用于检查。虽然成像设备300可以传输模拟或数字视频信号,但是可以想象,一个数字CCD将用于产生具有最小分辨率为640×480象素的图像,且该分辨率具有8比特每象素颜色或灰度深度。如果使用模拟成像设备300,那么可以想象:计算机210中的帧接收器270或其他的图像捕捉设备产生具有相同分辨率和颜色深度的图像以便传送到图像模式识别软件210。由于存储和处理容量的限制,也需要使用较大分辨率和颜色深度的图像。
优选地,为通过视频成像设备300而捕捉到的管道段而确定出管道100的纵向坐标。通过获知纵向坐标,可稍后识别所捕捉到的视频图像的管道段以便用于随后的检查和复查。管道上的纵向坐标可通过不同的手段来确定以便适当地定位和识别管道段,所述管道段已被记录了3到5个被捕捉的视频图像。一种优选的方法是将计数器信号与所捕捉到的视频图像相关联。典型地由本领域已知的手段来产生计数器信号,以便不断地确定延伸到钻孔中的卷曲管道的长度。该计数器信号为提供被捕捉到的视频图像的管道段提供纵向坐标。计数器信号330和视频信号一起被传输到控制中心200,以便提供已经经过成像设备的管道的长度的数字表示。作为选择,如上所述,当管道从绕线架110中抽出时,纵向坐标可通过导轮130的旋转速度来确定。另一种方法是管道通过水平绞盘140的速度与成像设备300捕获管道100的视频图像的速度之间的关系。如下文所描述那样,再一种方法包括使用管道上的条纹以便确定管道100的被捕捉到的视频图像的纵向坐标。如本领域技术人员所能意识到的那样,将图像和位置相关的其他方法无疑也是可行的。
来自于成像设备300的视频图像传回到控制中心,在该控制中心中,来自于成像设备300的图像彼此通过视频栈式存储器250来堆积,并且通过卷曲管道100上相应的纵向位置来压印或识别。经由计数器信号来提供位置信息。通过计算机逻辑或任一标准视频记录装置来执行栈式存储器250的堆积功能,以便将视频图像和位置计数器信息相关联。通过计算机210或一完全分离的计算机(未示出)来执行堆积功能当然也是可行的。既可实时地从成像设备300也可从视频记录器260中的记录介质上将视频图像输出到计算机系统210。计算机系统210中的帧接收器270或一些其他合适的显示板根据输入的视频信号而产生图像,所述输入的视频信号通过模式识别软件220来识别。
配置计算机系统210以便执行图像处理和模式识别软件220。图像处理和模式识别软件220接收具有象素和位置信息的每一被捕捉到的图像,并且根据对形态、分段、过滤、边缘检测和测量的象素信息,执行多种标准的图像分析功能。另外,软件使用从上述功能所搜集的信息来执行模式识别和分类任务。
图像处理和模式识别软件220被编程以便对管道100上的预定特征进行分析、识别和分类。软件使用二进制和模糊逻辑,以便创建关于如何解释从被捕捉到的图像中所提取的信息的规则。通过图形用户接口来创建和修改这些规则。作为示例而非限制,可编程图像处理和模式识别软件220以便分析、识别和分类诸如磨损、裂纹、图案、剥蚀、颜色、变色、尺寸和缺陷这样的管道特征,并且忽略其他的特征诸如制造标记。图像处理和模式识别软件220不仅能够检测这些预定的特征,而且能够识别和分类所述特征的尺寸,以致于图像处理和模式识别软件220仅仅报告具有尺寸的最小预定集合的特征。图像处理和模式识别软件220也确定在管道100的长度上的直径的变化,以致于提供一种例如是磨损的指示。
图像处理和模式识别软件220监控输入的被捕捉到的图像,分析和分类该图像,然后从图像中提取预定的特征。通过产生一中断或向计算机操作系统或处理器报告以及检测到缺陷的其他方式来标记特征,所述特征是缺陷。然后,计算机210产生一警报280以便向缺陷的系统操作者报警。如果检查是实时发生的,那么该警报可以是计算机屏幕上的一警报信息,或者计算机启动一非常重要的警报事件诸如打开闪光、甚至可能强行关闭卷曲管道注入器160或强行关闭连接到卷曲管道的向下打眼发动机或向下打眼推进系统。可以使用多种报警技术的任意一种。另一方面,如果检查作为后处理事件出现,那么可以使用非常柔和的报警方法诸如弹出视窗、输出日志或打印结果。在任一种情况下,警报最优显示在其中发现有缺陷的一个图像的副本并且进一步包括纵向位置或深度值以便指示沿着管道的缺陷的精确坐标和位置。该特征允许操作者去观察图像以便确定该缺陷是否真正是相关的原因。然而,如果图像不确定,那么深度值允许操作者在管道上定位缺陷并且手动检查缺陷。
图6示出了上述条纹550、560和深度计算器值如何能够监控缺陷的增长。图6示出了在不同时间获取的管道110中相同缺陷的两个图像表示。如以上所讨论的那样,当三个成像设备300对整个管道100拍照时,每一图像表示能够代表整个管道100的“堆积”图像或一个组合图像。所以,该图像事实上可以通过所示的单一图像或通过三个子图像来表示。对于图6所示的图像来说,垂直轴表示深度计数,水平轴表示管道上的圆周位置,从而能够坐标。注意到:一个条纹550表示管道100上一个圆周位置的起点。在图像的左边,可以在检查缺陷600的时候产生一报警,因为它的尺寸超过了用户所指定的阈值。然而,根据进一步的目测,操作者可以对实质上象表面但值得进一步监控的裂纹进行分类结果,计算机系统210能够存储缺陷和指示缺陷的关键信息(例如,尺寸和位置)。然后在随后的操作中监控缺陷600,但是如果缺陷的增长没有超过它原始尺寸的一确定百分数,那么不会产生报警。然而注意到:在随后的操作中(右边的图像),缺陷610不但增长,而且是在图像内的不同位置。如果没有深度和圆周位置坐标信息,那么将缺陷识别为先前被标记的缺陷是不可能的。
如先前所述,最好使用三个成像设备300以确保完全覆盖和监控管道100的整个外表面。一个成像设备将捕捉到管道100的180°侧的图像,并且由于管道在边缘上的弯曲,图像所示的管道边缘可能会失真。所以,成像设备300优选地在方位角方向上彼此距离120°而定位,并且以卷曲管道100的中心、纵轴为中心,从而克服了失真并且确保完全覆盖管道100的整个表面。当相隔120°定位三个成像设备300,而捕捉到的图像为管道100的180°侧面时,沿着被捕捉到的图像的边界将会存在重叠。如先前所述,条纹550向管道100提供图像中的圆周坐标,致于图像中的重叠可被识别,并且如果希望的话,可以将其删除。例如,通过组合三个图像并且删除重叠就能够产生管道100的360°视图。尤其是,条纹允许比较在不同时间上获取管道100的不同的成像操作,因为纵向和圆周坐标被提供给一给定管道段的每一被捕捉到的图像。
因此,上述实施例公开了一种完全自动缺陷检查系统,该系统使用图像模式识别和分类以便识别卷曲管道的连续长度上的缺陷。对于本发明的原理和不同实施例来说,上述讨论仅是说明性的。一旦完全理解上述公开内容,对于本领域技术人员来说,众多的变化和修改将变得很明显。例如,虽然已经集中讨论了在油井钻孔中通常使用的组合卷曲管道的检查,但是优选的检查系统也可用于检查由其他材料构成的管道的连续长度,所述其他材料构成的管道包括金属管道。此外,以上公开的本发明可完全扩展到除油井钻孔之外的应用中所使用的最初的质量管理或现场检验。随后的权利要求将解释为包含所有所述的变换和修改。
虽然已经示出并描述了本发明的优选实施例,但是本领域的技术人员能够对其进行修改而不脱离本发明的精神。
Claims (42)
1.一种用于在井中使用的卷曲管道的检查系统,该系统包括:
成像设备,当卷曲管道位于井中时,该成像设备记录一段卷曲管道的视频信号;
导线,用于传输视频信号到处理器;
图像接收器,用于从视频信号中产生管道段的图像;以及
处理器中的程序,用于分析所述图像以便检测该管道段的预定特征。
2.如权利要求1的系统,进一步包括用于产生管道段的纵向坐标的装置。
3.如权利要求2的系统,其中管道的纵向坐标被压印在管道段的图像上。
4.如权利要求1的系统,其中视频信号具有640×480象素最小分辨率,该分辨率具有8比特每象素颜色或灰度深度。
5.如权利要求1的系统,进一步包括用于堆积图像的视频栈式存储器。
6.如权利要求1的系统,其中编程处理器以便对图像中所示的管道段的预定特征进行识别和分类。
7.如权利要求1的系统,其中预定特征包括下列中的一个或多个:磨损、裂纹、图案、剥蚀、颜色、变色或尺寸。
8.如权利要求1的系统,其中预定特征包括管道的直径。
9.如权利要求1的系统,其中处理器根据在管道中检测到的缺陷而产生一信号以便提供该缺陷的报警。
10.一种与自动缺陷检查系统同时使用的管道,包括:
外部磨损层;以及
在该磨损层下面的对比层;
其中如果外部磨损层磨损,那么对比层变得可见,成为管道上的对比特征。
11.如权利要求10的管道,进一步包括定位在外部磨损层并且与管道的纵轴平行的至少一个条纹。
12.如权利要求11的管道,其中如果超过一个条纹定位在外部磨损层,那么所述条纹是单独可区别的。
13.一种检查系统,包括:
合成卷曲管道,具有形成管道壁的光纤层;
具有纵向条纹的最外面层;
成像设备,当一段卷曲管道呈现在该成像设备前时,该成像设备记录该卷曲管道段的视频信号;
处理器,从成像设备接收视频信号;以及
处理器中的程序,用于分析所述视频信号以便检测该管道段的条纹。
14.如权利要求13的系统,其中管道具有至少一个外层,该外层具有预定的颜色,并且所述程序分析视频信号以便检测管道段上的预定颜色。
15.一种识别卷曲管道中缺陷的自动检查系统,包括:
计算机系统,配置为执行模式识别软件;以及
多个成像设备,配置为当卷曲管道从成像设备前面通过时,捕捉该管道的视频图像;
图像被发送到计算机系统并且模式识别软件分析该图像,从图像中提取特征,并且如果在图像中识别出缺陷,就产生一指示。
16.如权利要求15的检查系统,其中成像设备是光导纤维成像设备。
17.如权利要求15的检查系统,其中多个成像设备由三个CCD照相机组成。
18.如权利要求15的检查系统,进一步包括:
一计数器信号,沿着卷曲管道来识别位置;以及
计算机系统,读取该计数器信号以便沿着管道来识别位置,一缺陷位于该位置。
19.如权利要求18的检查系统,其中如果计数器信号指示卷曲管道没有移动或其移动慢于一阈值,那么该检查系统将无效。
20.如权利要求18的检查系统,其中如果计数器信号指示正在移动的卷曲管道快于阈值,那该检查系统将启动。
21.如权利要求18的检查系统,进一步包括一视频栈式存储器,其被配置为通过使用计数器信号,将从多个成像设备中所获取的视频图像彼此与沿着卷曲管道的纵向位置相关联。
22.如权利要求15的检查系统,其中视频图像被传送到计算机系统以用于实时识别缺陷。
23.如权利要求15的检查系统,进一步包括一视频记录器,其被配置为存储多个成像设备的视频图像以用于后面的缺陷识别。
24.如权利要求15的检查系统,其中卷曲管道包括在管道的外表面上的至少一个纵向条纹,以作为参考,来识别管道上特征的环形位置。
25.如权利要求15的检查系统,其中模式识别软件进一步测量管道的外径,并且如果直径在用户指定的公差范围外,则产生一指示。
27.一种在自动管道检查系统中使用的计算机系统,包括:
处理器;
至少一个输出设备;
输入装置,被配置为接收视频信号并且根据视频输入而产生连续的图像;
模式分类软件程序,被配置为读取图像并且从所述图像中提取特征,以及将这些特征的尺寸与用户定义的阈值进行比较;
其中如果模式分类软件确定特征的尺寸不落在用户定义的阈值内,那么软件产生一指示缺陷已被定位的中断。
28.如权利要求27的计算机系统,进一步包括:
一输入,用于接收指示位置的定位数据,所述位置从输入图像中获取;
其中当模式分类软件产生报警中断时,计算机系统发送包含缺陷和相应的定位数据到输出设备。
29.如权利要求28的计算机系统,其中输出设备是打印机。
30.如权利要求28的计算机系统,其中输出设备是监视器。
31.如权利要求28的计算机系统,其中可训练模式分类软件以便识别有害的缺陷并且忽略无害的特征。
32.一种识别卷曲管道的连续长度中的缺陷的方法,包括:
使连续长度的卷曲管道在多个成像设备的前面通过;
用成像设备捕捉管道的外部圆周的图像并且将该图像发送到处理器;
通过处理器接收图像并且将该图像输入到处理器上运行的计算机视觉软件中;并且
在计算机视觉软件上处理所述图像;以及
识别管道中预定的特征。
33.如权利要求32的方法,进一步包括一旦检测到管道中的缺陷就启动一报警事件。
34.如权利要求32的方法,其中通过步骤包括:当卷曲管道缠绕在存储绕线架或从其上抽出时,引导该管道通过导轮机构,并且放置多个成像设备的孔径以靠近导轮机构。
35.如权利要求32的方法,进一步包括:
向处理器传送深度计数器值以便识别沿着管道的位置,其中在该位置上获取图像;以及
显示特征的图像。
36.如权利要求35的方法,进一步包括指示管道中缺陷的位置。
37.如权利要求32的方法,进一步包括:
指定关于环形参考的预定特征的环形位置,该环形参考通过定位在管道的外径上的至少一个纵向条纹而建立;以及
指示预定特征的环形位置。
38.如权利要求32的方法,进一步包括传送电源以操作成像设备并且传送光以照明管道。
39.如权利要求32的方法,其中成像设备定位在水平绞盘上,该水平绞盘连接到其上绕有管道的绕线架。
40.如权利要求32的方法,进一步包括在处理图像之前,将图像存储在可读介质上。
41.如权利要求40的方法,进一步包括存储具有深度计数器值的图像。
42.如权利要求32的方法,进一步包括通过确定如果未被识别的特征的尺寸超过了用户定义的阈值,就把该特征认定成缺陷。
43.如权利要求32的方法,进一步包括通过确定如果先前被识别的缺陷的尺寸已经增长超过了其原始尺寸的用户定义百分数,则将该特征认定为缺陷。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/032,272 | 2001-12-22 | ||
US10/032,272 US20030118230A1 (en) | 2001-12-22 | 2001-12-22 | Coiled tubing inspection system using image pattern recognition |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1608273A true CN1608273A (zh) | 2005-04-20 |
Family
ID=21864039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA028258959A Pending CN1608273A (zh) | 2001-12-22 | 2002-12-10 | 使用图像模式识别的卷曲管道检测系统 |
Country Status (10)
Country | Link |
---|---|
US (1) | US20030118230A1 (zh) |
EP (1) | EP1468395A4 (zh) |
JP (1) | JP2005514629A (zh) |
CN (1) | CN1608273A (zh) |
AU (1) | AU2002346689A1 (zh) |
BR (1) | BR0215292A (zh) |
CA (1) | CA2471374A1 (zh) |
MX (1) | MXPA04006208A (zh) |
NO (1) | NO20043128L (zh) |
WO (1) | WO2003058545A1 (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963054A (zh) * | 2009-07-21 | 2011-02-02 | 杨龙飞 | 井下同步冲洗、成像装置及使用方法 |
CN102052981A (zh) * | 2011-01-28 | 2011-05-11 | 清华大学 | 一种测量弯管残余应力的实验装置及方法 |
CN103448650A (zh) * | 2012-06-01 | 2013-12-18 | 株式会社理光 | 目标识别系统和目标识别方法 |
CN103776383A (zh) * | 2014-01-17 | 2014-05-07 | 太原理工大学 | 一种矿用皮带输送机托辊外管磨损度在线非接触式检测方法 |
CN106548469A (zh) * | 2016-10-14 | 2017-03-29 | 深圳市深水水务咨询有限公司 | 一种管道检测方法和装置 |
CN107179107A (zh) * | 2016-03-11 | 2017-09-19 | 克洛纳有限公司 | 用于使科里奥利质量流量测量仪器装备有电连接部的方法 |
CN108318348A (zh) * | 2017-12-31 | 2018-07-24 | 广德大金机械有限公司 | 一种皮革制品耐折性能智能化测试系统 |
CN108827884A (zh) * | 2018-07-19 | 2018-11-16 | 珠海格力智能装备有限公司 | 检测机构及具有其的弯管设备 |
CN109461202A (zh) * | 2018-08-21 | 2019-03-12 | 国网浙江海宁市供电有限公司 | 一种基于图像识别的电力光纤预测仪及一种电力光纤弯曲度对性能影响的判断方法 |
CN110057826A (zh) * | 2012-09-13 | 2019-07-26 | 通用电器技术有限公司 | 用于确定管道的质量的方法和系统 |
CN111122501A (zh) * | 2019-11-29 | 2020-05-08 | 中国运载火箭技术研究院 | 一种空间环境下水滴测量系统 |
CN111502633A (zh) * | 2020-03-20 | 2020-08-07 | 山东大学 | 一种适用于上倾钻孔孔内摄像装置及方法 |
CN112945855A (zh) * | 2021-02-04 | 2021-06-11 | 中冶东方工程技术有限公司 | 运料皮带在线智能检查系统及检查方法 |
CN113516654A (zh) * | 2021-09-07 | 2021-10-19 | 风脉能源(武汉)股份有限公司 | 一种基于视觉识别芯孔内壁异常部位的方法及系统 |
CN114897902A (zh) * | 2022-07-13 | 2022-08-12 | 深圳金正方科技股份有限公司 | 基于多摄像头的bwfrp管道在线监测方法以及系统 |
CN117036347A (zh) * | 2023-10-08 | 2023-11-10 | 山东柯林瑞尔管道工程有限公司 | 基于图像增强的管道内衬泄漏视觉检测方法及系统 |
Families Citing this family (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050183028A1 (en) * | 2003-09-11 | 2005-08-18 | Clough Bradford A. | System and method for acquisition and analysis of time and location-specific data |
WO2006010145A2 (en) * | 2004-07-09 | 2006-01-26 | Quest Trutec, Lp | 2d and 3d display system and method for reformer tube inspection |
US7357179B2 (en) * | 2004-11-05 | 2008-04-15 | Schlumberger Technology Corporation | Methods of using coiled tubing inspection data |
US8218826B2 (en) * | 2006-05-19 | 2012-07-10 | Schlumberger Technology Corporation | Integrated measurement based on an optical pattern-recognition |
US8073623B2 (en) * | 2008-01-04 | 2011-12-06 | Baker Hughes Incorporated | System and method for real-time quality control for downhole logging devices |
US8548742B2 (en) * | 2008-10-21 | 2013-10-01 | National Oilwell Varco L.P. | Non-contact measurement systems for wireline and coiled tubing |
WO2010145881A1 (en) * | 2009-04-30 | 2010-12-23 | Wilcox Associates, Inc. | An inspection method and an inspection apparatus |
US8311312B1 (en) * | 2009-05-14 | 2012-11-13 | Abbott Cardiovascular Systems Inc. | Apparatus, systems and methods for accepting or rejecting a manufactured medical device |
US9567843B2 (en) | 2009-07-30 | 2017-02-14 | Halliburton Energy Services, Inc. | Well drilling methods with event detection |
US9528334B2 (en) | 2009-07-30 | 2016-12-27 | Halliburton Energy Services, Inc. | Well drilling methods with automated response to event detection |
US20140200831A1 (en) * | 2011-01-28 | 2014-07-17 | Schlumberger Technology Corporation | Pipe Damage Interpretation System |
US9219886B2 (en) * | 2012-12-17 | 2015-12-22 | Emerson Electric Co. | Method and apparatus for analyzing image data generated during underground boring or inspection activities |
WO2015051225A1 (en) | 2013-10-03 | 2015-04-09 | Schlumberger Canada Limited | Pipe damage assessment system and method |
JP6253490B2 (ja) * | 2014-04-14 | 2017-12-27 | 三菱電機株式会社 | 巻線検査方法および巻線検査装置 |
US9664011B2 (en) | 2014-05-27 | 2017-05-30 | Baker Hughes Incorporated | High-speed camera to monitor surface drilling dynamics and provide optical data link for receiving downhole data |
US10883966B2 (en) | 2014-06-04 | 2021-01-05 | Schlumberger Technology Corporation | Pipe defect assessment system and method |
GB2530300B (en) * | 2014-09-18 | 2021-06-30 | Trollhetta As | Monitoring an environmental condition |
US10346966B2 (en) | 2014-12-18 | 2019-07-09 | Halliburton Energy Services, Inc. | Non-destructive inspection methods and systems |
TWI554739B (zh) * | 2015-02-26 | 2016-10-21 | 中國鋼鐵股份有限公司 | 熱物件影像擷取系統與熱物件瑕疵檢測方法 |
US10877000B2 (en) | 2015-12-09 | 2020-12-29 | Schlumberger Technology Corporation | Fatigue life assessment |
US11237132B2 (en) | 2016-03-18 | 2022-02-01 | Schlumberger Technology Corporation | Tracking and estimating tubing fatigue in cycles to failure considering non-destructive evaluation of tubing defects |
CN106303337B (zh) * | 2016-11-02 | 2019-01-11 | 淮南矿业(集团)有限责任公司 | 一种钻孔视频验收数据采集系统及其方法 |
WO2018093273A1 (en) * | 2016-11-21 | 2018-05-24 | Vinterfjord As | Monitoring and audit system and method |
US10316619B2 (en) | 2017-03-16 | 2019-06-11 | Saudi Arabian Oil Company | Systems and methods for stage cementing |
US10544648B2 (en) | 2017-04-12 | 2020-01-28 | Saudi Arabian Oil Company | Systems and methods for sealing a wellbore |
US10592725B2 (en) * | 2017-04-21 | 2020-03-17 | General Electric Company | Neural network systems |
US10557330B2 (en) | 2017-04-24 | 2020-02-11 | Saudi Arabian Oil Company | Interchangeable wellbore cleaning modules |
JPWO2019017071A1 (ja) * | 2017-07-20 | 2020-05-28 | パナソニックIpマネジメント株式会社 | コイル状繊維の製造方法及びコイル状繊維 |
US10378298B2 (en) | 2017-08-02 | 2019-08-13 | Saudi Arabian Oil Company | Vibration-induced installation of wellbore casing |
US10487604B2 (en) | 2017-08-02 | 2019-11-26 | Saudi Arabian Oil Company | Vibration-induced installation of wellbore casing |
US10597962B2 (en) | 2017-09-28 | 2020-03-24 | Saudi Arabian Oil Company | Drilling with a whipstock system |
US10378339B2 (en) | 2017-11-08 | 2019-08-13 | Saudi Arabian Oil Company | Method and apparatus for controlling wellbore operations |
GB201802808D0 (en) | 2018-02-21 | 2018-04-04 | Ev Offshore Ltd | Depth and speed correction of logging data |
US10689913B2 (en) | 2018-03-21 | 2020-06-23 | Saudi Arabian Oil Company | Supporting a string within a wellbore with a smart stabilizer |
US10689914B2 (en) | 2018-03-21 | 2020-06-23 | Saudi Arabian Oil Company | Opening a wellbore with a smart hole-opener |
US10794170B2 (en) | 2018-04-24 | 2020-10-06 | Saudi Arabian Oil Company | Smart system for selection of wellbore drilling fluid loss circulation material |
US10612362B2 (en) * | 2018-05-18 | 2020-04-07 | Saudi Arabian Oil Company | Coiled tubing multifunctional quad-axial visual monitoring and recording |
WO2020033111A1 (en) * | 2018-08-09 | 2020-02-13 | Exxonmobil Upstream Research Company ( | Subterranean drill bit management system |
US20210366256A1 (en) * | 2018-10-22 | 2021-11-25 | Motive Drilling Technologies, Inc. | Systems and methods for oilfield drilling operations using computer vision |
CN109544548A (zh) * | 2018-11-30 | 2019-03-29 | 北京百度网讯科技有限公司 | 餐盒的缺陷检测方法、装置、服务器、设备和存储介质 |
WO2020118014A1 (en) * | 2018-12-07 | 2020-06-11 | Nabors Drilling Technologies Usa, Inc. | Systems and methods for monitoring drill strings |
GB201911201D0 (en) * | 2019-08-06 | 2019-09-18 | Darkvision Tech | Methods and apparatus for coiled tubing inspection by ultrasound |
WO2021072059A1 (en) * | 2019-10-08 | 2021-04-15 | Schlumberger Technology Corporation | Methods and systems for controlling operation of wireline cable spooling equipment |
US11913293B2 (en) | 2019-11-27 | 2024-02-27 | Canrig Robotic Technologies As | Slip wear detection |
CN111206888A (zh) * | 2020-03-16 | 2020-05-29 | 四川大学 | 基于连续油管的钻孔裂隙窥视仪 |
US11299968B2 (en) | 2020-04-06 | 2022-04-12 | Saudi Arabian Oil Company | Reducing wellbore annular pressure with a release system |
US11396789B2 (en) | 2020-07-28 | 2022-07-26 | Saudi Arabian Oil Company | Isolating a wellbore with a wellbore isolation system |
CN112004063B (zh) * | 2020-09-03 | 2022-04-22 | 四川弘和通讯有限公司 | 一种基于多相机联动的卸油油管连接正确性的监控方法 |
US11414942B2 (en) | 2020-10-14 | 2022-08-16 | Saudi Arabian Oil Company | Packer installation systems and related methods |
CN113204985A (zh) * | 2020-11-06 | 2021-08-03 | 中国石油天然气股份有限公司 | 输油管道损坏风险评估方法及装置 |
US11919754B2 (en) | 2020-11-10 | 2024-03-05 | Schlumberger Technology Corporation | Automated spooling control system using stochastic inference |
CN112483071A (zh) * | 2020-12-22 | 2021-03-12 | 山东省交通规划设计院有限公司 | 一种钻探岩芯图像识别装置及方法 |
CN113189195B (zh) * | 2021-05-17 | 2023-10-13 | 中国石油天然气集团有限公司 | 一种连续油管缺陷喷标定位方法 |
US11624265B1 (en) | 2021-11-12 | 2023-04-11 | Saudi Arabian Oil Company | Cutting pipes in wellbores using downhole autonomous jet cutting tools |
US20230167732A1 (en) * | 2021-12-01 | 2023-06-01 | Schlumberger Technology Corporation | Detecting Defects in Tubular Structures |
CN114354755B (zh) * | 2022-01-06 | 2023-06-20 | 中特检深燃安全技术服务(深圳)有限公司 | 一种城镇燃气聚乙烯管道的检测方法 |
JP7420404B2 (ja) * | 2022-02-04 | 2024-01-23 | 恒成株式会社 | 外観検査装置及び納品方法 |
CN114722973B (zh) * | 2022-06-07 | 2022-08-26 | 江苏华程工业制管股份有限公司 | 一种钢管热处理的缺陷检测方法及系统 |
CN115841493B (zh) * | 2023-02-27 | 2023-05-12 | 曲阜市虹飞电缆有限公司 | 一种基于图像处理的电缆检测方法 |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3770111A (en) * | 1972-05-03 | 1973-11-06 | Fmc Corp | Apparatus for sorting fruit according to color |
US4024470A (en) * | 1974-05-20 | 1977-05-17 | Republic Steel Corporation | Eddy current detector for hot test pieces having coolant fluid and purge features |
DE2706346C3 (de) * | 1977-02-11 | 1979-08-09 | Mannesmann Ag, 4000 Duesseldorf | Anlage zur automatischen Röntgenprüfung der Schweißnaht von Rohren |
US4563095A (en) * | 1982-12-20 | 1986-01-07 | Essex Group, Inc. | Method and apparatus for monitoring the surface of elongated objects |
AU597485B2 (en) * | 1987-04-22 | 1990-05-31 | John Lysaght (Australia) Limited | Non-contact determination of the position of a rectilinear feature of an article |
US5090039A (en) * | 1988-03-02 | 1992-02-18 | Atlantic Richfield Company | Inspecting coiled tubing for well operations |
US5046852A (en) * | 1988-09-16 | 1991-09-10 | The Boeing Company | Method and apparatus for bending an elongate workpiece |
US4988875A (en) * | 1988-12-13 | 1991-01-29 | At&T Bell Laboratories | Near infrared polyethylene inspection system and method |
US5043663A (en) * | 1989-10-19 | 1991-08-27 | Baker Hughes Incorporated | Method and apparatus for detecting angular defects in a tubular member |
JPH03188358A (ja) * | 1989-12-19 | 1991-08-16 | Hajime Sangyo Kk | 物体の表面検査装置 |
US5210704A (en) * | 1990-10-02 | 1993-05-11 | Technology International Incorporated | System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment |
US5134471A (en) * | 1991-05-06 | 1992-07-28 | Noranda Inc. | System for monitoring the walls of a borehole using a video camera |
US5303592A (en) * | 1991-12-05 | 1994-04-19 | Livingston Waylon A | Method and apparatus for coiled tubing inspection |
FR2692355B1 (fr) * | 1992-06-10 | 1997-06-20 | Valinox | Dispositif et procede de detection au defile de defauts de surface sur des produits longs metalliques. |
US5614825A (en) * | 1994-11-28 | 1997-03-25 | Industrial Sensors And Actuators | Magnetic flux leakage inspection apparatus with surface-responsive sensor mounting |
US6031931A (en) * | 1996-03-15 | 2000-02-29 | Sony Corporation | Automated visual inspection apparatus |
US5767671A (en) * | 1996-04-25 | 1998-06-16 | Halliburton Company | Method of testing the lifeline of coiled tubing |
MX9603554A (es) * | 1996-08-21 | 1998-04-30 | Servicios Condumex Sa | Dispositivo sensor de conteo y dimensionamiento de grietas y burbujas superficiales en barra de cobre durante el proceso de colada continua. |
US6175380B1 (en) * | 1996-08-28 | 2001-01-16 | Peninsular Technologies, Llc | Method for randomly accessing stored imagery and a field inspection system employing the same |
US6005613A (en) * | 1996-09-12 | 1999-12-21 | Eastman Kodak Company | Multi-mode digital camera with computer interface using data packets combining image and mode data |
GB9701161D0 (en) * | 1997-01-21 | 1997-03-12 | Agais Offshore Ltd | Apparatus and method for welding and inspecting coiled tubing |
US5914596A (en) * | 1997-10-14 | 1999-06-22 | Weinbaum; Hillel | Coiled tubing inspection system |
US6296066B1 (en) * | 1997-10-27 | 2001-10-02 | Halliburton Energy Services, Inc. | Well system |
US6273188B1 (en) * | 1998-12-11 | 2001-08-14 | Schlumberger Technology Corporation | Trailer mounted coiled tubing rig |
US6321596B1 (en) * | 1999-04-21 | 2001-11-27 | Ctes L.C. | System and method for measuring and controlling rotation of coiled tubing |
-
2001
- 2001-12-22 US US10/032,272 patent/US20030118230A1/en not_active Abandoned
-
2002
- 2002-12-10 WO PCT/US2002/039116 patent/WO2003058545A1/en not_active Application Discontinuation
- 2002-12-10 CN CNA028258959A patent/CN1608273A/zh active Pending
- 2002-12-10 JP JP2003558784A patent/JP2005514629A/ja active Pending
- 2002-12-10 MX MXPA04006208A patent/MXPA04006208A/es unknown
- 2002-12-10 CA CA002471374A patent/CA2471374A1/en not_active Abandoned
- 2002-12-10 EP EP02784760A patent/EP1468395A4/en not_active Withdrawn
- 2002-12-10 BR BR0215292-4A patent/BR0215292A/pt not_active IP Right Cessation
- 2002-12-10 AU AU2002346689A patent/AU2002346689A1/en not_active Abandoned
-
2004
- 2004-07-21 NO NO20043128A patent/NO20043128L/no not_active Application Discontinuation
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963054A (zh) * | 2009-07-21 | 2011-02-02 | 杨龙飞 | 井下同步冲洗、成像装置及使用方法 |
CN101963054B (zh) * | 2009-07-21 | 2013-07-03 | 杨龙飞 | 井下同步冲洗、成像装置及使用方法 |
CN102052981A (zh) * | 2011-01-28 | 2011-05-11 | 清华大学 | 一种测量弯管残余应力的实验装置及方法 |
CN102052981B (zh) * | 2011-01-28 | 2012-05-02 | 清华大学 | 一种测量弯管残余应力的实验装置及方法 |
CN103448650B (zh) * | 2012-06-01 | 2015-12-09 | 株式会社理光 | 目标识别系统和目标识别方法 |
CN103448650A (zh) * | 2012-06-01 | 2013-12-18 | 株式会社理光 | 目标识别系统和目标识别方法 |
CN110057826A (zh) * | 2012-09-13 | 2019-07-26 | 通用电器技术有限公司 | 用于确定管道的质量的方法和系统 |
CN103776383A (zh) * | 2014-01-17 | 2014-05-07 | 太原理工大学 | 一种矿用皮带输送机托辊外管磨损度在线非接触式检测方法 |
CN103776383B (zh) * | 2014-01-17 | 2016-06-08 | 太原理工大学 | 一种矿用皮带输送机托辊外管磨损度在线非接触式检测方法 |
CN107179107A (zh) * | 2016-03-11 | 2017-09-19 | 克洛纳有限公司 | 用于使科里奥利质量流量测量仪器装备有电连接部的方法 |
CN106548469A (zh) * | 2016-10-14 | 2017-03-29 | 深圳市深水水务咨询有限公司 | 一种管道检测方法和装置 |
CN108318348A (zh) * | 2017-12-31 | 2018-07-24 | 广德大金机械有限公司 | 一种皮革制品耐折性能智能化测试系统 |
CN108827884B (zh) * | 2018-07-19 | 2020-11-27 | 珠海格力智能装备有限公司 | 检测机构及具有其的弯管设备 |
CN108827884A (zh) * | 2018-07-19 | 2018-11-16 | 珠海格力智能装备有限公司 | 检测机构及具有其的弯管设备 |
CN109461202A (zh) * | 2018-08-21 | 2019-03-12 | 国网浙江海宁市供电有限公司 | 一种基于图像识别的电力光纤预测仪及一种电力光纤弯曲度对性能影响的判断方法 |
CN111122501A (zh) * | 2019-11-29 | 2020-05-08 | 中国运载火箭技术研究院 | 一种空间环境下水滴测量系统 |
CN111502633A (zh) * | 2020-03-20 | 2020-08-07 | 山东大学 | 一种适用于上倾钻孔孔内摄像装置及方法 |
CN111502633B (zh) * | 2020-03-20 | 2024-03-15 | 山东大学 | 一种适用于上倾钻孔孔内摄像装置及方法 |
CN112945855A (zh) * | 2021-02-04 | 2021-06-11 | 中冶东方工程技术有限公司 | 运料皮带在线智能检查系统及检查方法 |
CN113516654A (zh) * | 2021-09-07 | 2021-10-19 | 风脉能源(武汉)股份有限公司 | 一种基于视觉识别芯孔内壁异常部位的方法及系统 |
CN114897902A (zh) * | 2022-07-13 | 2022-08-12 | 深圳金正方科技股份有限公司 | 基于多摄像头的bwfrp管道在线监测方法以及系统 |
CN114897902B (zh) * | 2022-07-13 | 2022-11-11 | 深圳金正方科技股份有限公司 | 基于多摄像头的bwfrp管道在线监测方法以及系统 |
CN117036347A (zh) * | 2023-10-08 | 2023-11-10 | 山东柯林瑞尔管道工程有限公司 | 基于图像增强的管道内衬泄漏视觉检测方法及系统 |
CN117036347B (zh) * | 2023-10-08 | 2024-02-02 | 山东柯林瑞尔管道工程有限公司 | 基于图像增强的管道内衬泄漏视觉检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2003058545A1 (en) | 2003-07-17 |
JP2005514629A (ja) | 2005-05-19 |
BR0215292A (pt) | 2004-12-21 |
CA2471374A1 (en) | 2003-07-17 |
AU2002346689A1 (en) | 2003-07-24 |
EP1468395A4 (en) | 2005-11-30 |
NO20043128L (no) | 2004-09-21 |
MXPA04006208A (es) | 2005-06-08 |
US20030118230A1 (en) | 2003-06-26 |
EP1468395A1 (en) | 2004-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1608273A (zh) | 使用图像模式识别的卷曲管道检测系统 | |
US20210183050A1 (en) | Pipe feature identification using pipe inspection data analysis | |
US20120081551A1 (en) | Monitoring System | |
KR100939529B1 (ko) | 관로 내외면 동시 탐사 분석 시스템 | |
CN103223870A (zh) | 受电弓损坏和磨损监视系统 | |
CN103163150A (zh) | 一种线缆表面缺陷在线检测装置及方法 | |
EP1696396A3 (en) | Image pickup apparatus and image distributing method | |
US20230188671A1 (en) | Fire source detection method and device under condition of small sample size and storage medium | |
JP4149179B2 (ja) | 管渠内検査診断支援装置、管渠内検査診断支援方法及び管渠内検査診断支援プログラムを記憶した記憶媒体 | |
CN110689148A (zh) | 一种基于ar技术的计量设备故障检测方法 | |
CN106548469A (zh) | 一种管道检测方法和装置 | |
FR3092425A1 (fr) | Génération de schémas numériques de puits | |
CN112446852A (zh) | 一种隧道成像平面展示方法及缺陷智能识别系统 | |
US11948373B2 (en) | Automatic license plate recognition | |
CN110728212B (zh) | 一种基于计算机视觉的道路井盖监控装置及监控方法 | |
CN115830407A (zh) | 一种基于yolov4目标检测模型的电缆管线故障判别算法 | |
CN113660484B (zh) | 基于音视频内容的音视频属性比对方法、系统、终端及介质 | |
CN215066222U (zh) | 一种传输带系统 | |
CN111507300B (zh) | 一种保护区内打桩、钻探行为的快速识别方法 | |
CN115875008B (zh) | 一种地质钻机智能钻探数据采集方法、系统和存储介质 | |
Myrans et al. | Combining classifiers to detect faults in wastewater networks | |
KR102387717B1 (ko) | 드론 촬영 및 사진첩 기법을 이용한 시설물 손상 진단 및 점검방법 | |
JP2002188939A (ja) | 画像認識による指針式メーター測定システム及び指針式メーター測定方法 | |
JP4796535B2 (ja) | 画像処理による多導体電線の追跡方法、装置及びプログラム並びにこれを用いた多導体電線の異常検出方法、装置及びプログラム | |
CN114495028A (zh) | 一种车辆套牌的识别方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |