论文部分内容阅读
管道焊缝质量关系到油气管道运行安全。随着大数据、射线成像和数据深度挖掘等技术的发展,管道焊缝的图像自动识别和分析技术已成为油气行业重要的研究领域。X射线照相是无损检测的重要方法之一,而目前焊缝底片识别工作仅靠人工判别,其判别标准受个人的主观影响因素较大,且在判别过程中易受工作强度和环境条件等因素影响,从而进一步影响了检测的效率和准确度。加之射线底片保存具有时限性,这给后续的查阅和校核带来了极大的不便。因此,有必要通过计算机辅助评片技术使其智能化,进一步提高焊缝底片识别精度,保障管道焊缝质量和运行安全。本文以X射线底片数字化图像为基础,通过图像预处理、图像变换与增强、边缘检测和图像缺陷特征计算等方法实现了对油气管道焊缝缺陷图像的自动识别,取得如下成果:(1)对焊缝底片数字化图像噪音产生的类型进行了分析,采用中值滤波和均值滤波的方法对射线底片图像进行了去噪处理,并对焊缝图像进行傅立叶变换。再通过对比增强技术中的线性增强和直方图均衡化对数字化图像进行处理,建立了焊缝图像缺陷区域最大类间方差阈值分割和主成分分析降维处理的方法;(2)通过对焊缝图像进行像素尺寸的变换,采用形态学运算对焊缝图像边缘进行了处理,通过对不同边缘检测算法对比分析,考虑了结构元素的大小和方向影响形态学边缘检测计算结果,提出了一种多算子融合处理技术;(3)选择了纹理特征和几何特征作为焊缝图像识别的特征参数,对图像纹理特征提出了一种改进的完全局部三值模式(CLTP)算法进行提取,并采用轮廓跟踪的方法对图像几何特征值进行提取;(4)针对焊缝缺陷进行了全局优化分类器方法(M-SVM)的研究,建立了基于二叉树的支持向量机(SVM)焊缝缺陷特征分类模型,实现了管道焊缝缺陷图像的识别和分类;(5)本文基于以上理论的研究,开发了一套管道焊缝底片自动识别与评价系统,实现了对油气管道焊缝缺陷图像较为准确的识别。