管道缺陷识别方法、处理器和管道缺陷识别装置制造方法及图纸

本发明专利技术实施例提供一种管道缺陷识别方法、处理器和管道缺陷识别装置，该管道缺陷识别方法包括：获取管道缺陷管段的漏磁信号数据；根据漏磁信号数据绘制漏磁曲线图像；对漏磁曲线图像进行裁剪处理，以获取标准尺寸的漏磁曲线图像；根据标准尺寸的漏磁曲线图像确定管道缺陷识别图像；将管道缺陷识别图像输入到管道缺陷识别模型中，以提取出管道缺陷识别图像的特征信息；根据特征信息识别出管道缺陷管段的缺陷类型，使用该方法对管道缺陷管段的缺陷进行识别时识别效率和准确率高，且方法简单易于实现。现。现。

【技术实现步骤摘要】
管道缺陷识别方法、处理器和管道缺陷识别装置


[0001]本专利技术涉及管道缺陷识别
，具体地涉及一种管道缺陷识别方法、处理器和管道缺陷识别装置。

技术介绍

[0002]由于油气管道多埋于土壤环境复杂的地下，常常受到环境侵蚀、疲劳破坏、第三方破坏、自然灾害、误操作等安全威胁，在运输介质和微生物的腐蚀作用下，加之管道长时间服役，极易出现各种类型各种程度的缺陷，这些问题往往导致管道出现各种问题减少管道的使用寿命，严重时会导致石油或天然气泄露，甚至是燃烧或爆炸。虽然有多种多样的原因促成管道形成各种缺陷，但是管道表面缺陷主要包括表面脱落、穿孔、凹坑、裂纹、表面大面积剥落等。
[0003]为了预防管道事故发生、维护管道安全运行，需要及时获得管道缺陷信息。经过国内外学者开发出管道无损检测技术，以便确定管道几何缺陷的位置信息，但为了进一步获得管道缺陷信息，需要对漏磁检测信号进行进一步分析，而使用传统管道缺陷识别模型对漏测检测图像进行分类识别时，并不能很好的适用于多年来测得的大量漏磁检测数据，且存在个别缺陷类型样本数据不足和数值跨度不连贯的问题。

技术实现思路

[0004]本专利技术实施例的目的是提供一种管道缺陷识别方法、处理器和管道缺陷识别装置，该管道缺陷识别方法、处理器和管道缺陷识别装置能提升管道缺陷识别的效率，且方法简单易于实现。
[0005]为了实现上述目的，本专利技术第一方面提供一种管道缺陷识别方法，该管道缺陷识别方法包括：
[0006]获取管道缺陷管段的漏磁信号数据；
[0007]根据漏磁信号数据绘制漏磁曲线图像；
[0008]对漏磁曲线图像进行裁剪处理，以获取标准尺寸的漏磁曲线图像；
[0009]根据标准尺寸的漏磁曲线图像确定管道缺陷识别图像；
[0010]将管道缺陷识别图像输入到管道缺陷识别模型中，以提取出管道缺陷识别图像的特征信息；
[0011]根据特征信息识别出管道缺陷管段的缺陷类型。
[0012]在本专利技术的实施例中，管道缺陷识别模型通过以下步骤构建：
[0013]确定管道的结构、尺寸和焊缝类型；
[0014]根据结构、尺寸、焊缝类型对标准尺寸的漏磁曲线图像进行剔除处理；
[0015]确定剔除处理后漏磁曲线图像中每种缺陷类型对应的数量，以构建管道缺陷图像样本集；
[0016]构建管道缺陷识别训练网络；
[0017]根据缺陷图像样本集和管道缺陷识别训练网络构建管道缺陷识别模型。
[0018]在本专利技术的实施例中，管道缺陷图像样本集包括管道缺陷识别图像和无缺陷管道图像。
[0019]在本专利技术的实施例中，根据结构、尺寸、焊缝类型对标准尺寸的漏磁曲线图像进行剔除处理包括：
[0020]根据结构和尺寸确定管道中的三通阀和法兰；
[0021]根据焊缝类型和尺寸确定管道中的环焊缝和螺旋焊缝；
[0022]对标准尺寸的漏磁曲线图像中带有三通阀、法兰、环焊缝和螺旋焊缝的漏磁曲线图像进行剔除处理。
[0023]在本专利技术的实施例中，构建管道缺陷识别训练网络包括：
[0024]获取残差神经网络的卷积核权重值；
[0025]根据管道缺陷图像样本集确定管道缺陷图像训练集；
[0026]将卷积核权重值和管道缺陷图像训练集输入到残差神经网络中，以构建管道缺陷识别训练网络。
[0027]在本专利技术的实施例中，获取残差神经网络的卷积核权重值包括：
[0028]获取稀疏自编码器的训练网络；
[0029]将管道缺陷图像训练集输入到稀疏自编码器的训练网络中进行训练，以构建稀疏自编码器的测试网络；
[0030]根据管道缺陷图像样本集确定管道缺陷图像测试集；
[0031]将管道缺陷图像测试集输入到稀疏自编码器的测试网络中进行测试，以输出卷积核权重值。
[0032]在本专利技术的实施例中，根据缺陷图像样本集和管道缺陷识别训练网络构建管道缺陷识别模型包括：
[0033]将管道缺陷图像训练集输入管道缺陷识别训练网络中进行训练，以构建管道缺陷识别测试网络；
[0034]将管道缺陷图像测试集输入到管道缺陷识别测试网络中进行测试，以构建管道缺陷识别模型。
[0035]本专利技术第二方面提供一种处理器，处理器被配置成执行上述的管道缺陷识别方法。
[0036]本专利技术第三方面提供一种管道缺陷识别装置，管道缺陷识别装置包括上述的处理器。
[0037]在本专利技术的实施例中，管道缺陷识别装置还包括：
[0038]磁传感器，用于检测管道缺陷管段的漏磁信号。
[0039]通过上述技术方案，根据管道缺陷管段的漏磁信号数据绘制漏磁曲线图像，对漏磁曲线图像进行裁剪处理以确定管道缺陷识别图像，将管道缺陷识别图像输入到管道缺陷识别模型中，以识别管道缺陷管段的缺陷类型，能够提升管道缺陷管段的缺陷识别效率和准确率，实用性较强。
[0040]本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0041]附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：
[0042]图1是本专利技术实施例中管道缺陷识别方法的流程示意图；
[0043]图2是本专利技术实施例中环焊缝的漏磁曲线图像示意图；
[0044]图3是本专利技术实施例中螺旋焊缝的漏磁曲线图像示意图；
[0045]图4是本专利技术实施例中三通阀的漏磁曲线图像示意图；
[0046]图5是本专利技术实施例中法兰的漏磁曲线图像示意图；
[0047]图6是本专利技术实施例中管道缺陷管段的漏磁曲线图像示意图；
[0048]图7是本专利技术实施例中无缺陷管道图像示意图。
具体实施方式
[0049]以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本专利技术实施例。
[0050]本专利技术的实施例提供一种管道缺陷识别方法，如图1所示，该管道缺陷识别方法包括如下步骤：
[0051]步骤S101：获取管道缺陷管段的漏磁信号数据。
[0052]具体地，本实施例中的管道缺陷识别方法适用于管道缺陷识别装置，管道具体是指油气管道，该管道缺陷识别装置包括信号连接的处理器和磁传感器，磁传感器用于检测管道缺陷管段的漏磁信号，在漏磁检测中，金属管道被磁化后，无缺陷的部分管道的磁导率相同；而在有缺陷的部分，由于缺陷处的磁阻与金属材质不同，进而形成了漏磁场，因此操作人员采用磁传感器对管道的缺陷管段进行检测，即可获得管道缺陷管段的漏磁信号数据，磁传感器在检测完成后将上述数据传送给处理器。
[0053]步骤S102：根据漏磁信号数据绘制漏磁曲线图像。
[0054]具体地，处理器在获取管道缺陷管段的漏磁信号数据后采用描点绘图的方式对上述数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种管道缺陷识别方法，其特征在于，所述管道缺陷识别方法包括：获取管道缺陷管段的漏磁信号数据；根据所述漏磁信号数据绘制漏磁曲线图像；对所述漏磁曲线图像进行裁剪处理，以获取标准尺寸的漏磁曲线图像；根据所述标准尺寸的漏磁曲线图像确定管道缺陷识别图像；将所述管道缺陷识别图像输入到管道缺陷识别模型中，以提取出所述管道缺陷识别图像的特征信息；根据所述特征信息识别出所述管道缺陷管段的缺陷类型。2.根据权利要求1所述的管道缺陷识别方法，其特征在于，所述管道缺陷识别模型通过以下步骤构建：确定管道的结构、尺寸和焊缝类型；根据所述结构、所述尺寸、所述焊缝类型对所述标准尺寸的漏磁曲线图像进行剔除处理；确定剔除处理后的所述漏磁曲线图像中包含的所述缺陷类型和每种所述缺陷类型对应的数量，以构建管道缺陷图像样本集；构建管道缺陷识别训练网络；根据所述缺陷图像样本集和所述管道缺陷识别训练网络构建管道缺陷识别模型。3.根据权利要求2所述的管道缺陷识别方法，其特征在于，所述管道缺陷图像样本集包括所述管道缺陷识别图像和无缺陷管道图像。4.根据权利要求2所述的管道缺陷识别方法，其特征在于，所述根据所述结构、所述尺寸、所述焊缝类型对所述标准尺寸的漏磁曲线图像进行剔除处理包括：根据所述结构和所述尺寸确定所述管道中的三通阀和法兰；根据所述焊缝类型和所述尺寸确定所述管道中的环焊缝和螺旋焊缝；对所述标准尺寸的漏磁曲线图像中带有所述三通阀、所述法兰、所述环焊缝和所述螺旋焊缝的漏磁曲线图像进行剔除处理。5.根据权利要...

【专利技术属性】
技术研发人员：李睿，陈朋超，贾光明，富宽，王富祥，郑建峰，毕武喜，燕冰川，潘飞，玄文博，
申请(专利权)人：国家石油天然气管网集团有限公司，
类型：发明
国别省市：