一种基于双重注意力机制的石油管道裂纹检测方法技术

本发明专利技术公开了一种基于双重注意力机制的石油管道裂纹检测方法，包括：采集待检测石油管道的内部图像；基于双重注意力机制和yolov5

【技术实现步骤摘要】
一种基于双重注意力机制的石油管道裂纹检测方法


[0001]本专利技术涉及但不限于管道缺陷检测
，尤其涉及一种基于双重注意力机制的石油管道裂纹检测方法。

技术介绍

[0002]当前，石化工业飞速发展，石油长输管道以其高效率，低成本的优点被广泛使用。然而管道故障时有发生，油气泄露会给国家带来巨大损失。石油管道内的缺陷严重危害管道安全，因此石油管道内部缺陷检测成为了重要研究课题，其中裂纹检测是管道维护中的重要一环。
[0003]早期的石油管道裂纹检测，主要采用人眼观察管道裂纹图像，手动收录统计裂纹情况，存在效率低和受主观性影响较大等诸多问题。随着图像处理技术的发展，人工统计管道裂纹的方法已经被淘汰。现有的一种基于传统图像处理技术来实现管道裂纹检测的方法是根据裂纹区域与图片背景区域的不同灰度值，通过图像二值化，图像滤波，图像增强等图像处理技术，对裂纹图像进行处理，得到裂纹检测的结果；但该方法的处理流程繁琐，对细小的裂纹检测准确率低，经常漏检，对裂纹存在区域与背景区域灰度值变化不大的裂纹检测效果较差；且只是对裂纹进行浅层的检测，并没有对裂纹形态，裂纹参数进行深度分析，裂纹检测的准确度相对较低，耗时较长。

技术实现思路

[0004]为了解决上述问题，本专利技术提供了一种基于双重注意力机制的石油管道裂纹检测方法、装置、终端及存储介质。
[0005]本专利技术的技术方案是这样实现的：
[0006]一种基于双重注意力机制的石油管道裂纹检测方法，所述方法包括：
[0007]S101：采集待检测石油管道的内部图像，并记录所述内部图像对应的位置信息；
[0008]S102：基于双重注意力机制和yolov5
‑
seg网络，构建石油管道的裂纹检测模型；
[0009]S103：利用所述裂纹检测模型对待检测石油管道的内部图像进行裂纹检测，确定裂纹区域；
[0010]S104：利用密度聚类算法对所述裂纹区域包括的裂纹图像进行聚类分割，拟合裂纹的几何形态；
[0011]S105：提取所述裂纹图像中裂纹轮廓和裂纹骨架，并利用图像拼接算法对所述裂纹图像进行拼接，使用角点检测算法重构裂纹网络；
[0012]S106：根据所述裂纹网络中裂纹图像对应的位置信息对管道进行3D建模，可视化展示所述裂纹网络形态。
[0013]在一些实施例中，所述步骤S102中yolov5
‑
seg网络包括骨干网络、颈部网络和头部网络，所述双重注意力机制包括通道注意力机制和空间注意力机制，所述步骤S102包括：
[0014]在所述骨干网络与颈部网络的连接处添加通道注意力机制，并在所述骨干网络后
添加空间注意力机制，改进yolov5
‑
seg网络；
[0015]采用改进后的yolov5
‑
seg网络作为主体网络，构建所述裂纹检测模型。
[0016]在一些实施例中，所述步骤S103，还包括：
[0017]获取石油管道内部的裂纹图像构成原始图像集；
[0018]通过剪裁、旋转、平移对所述原始图像集中裂纹图像进行扩充；
[0019]按照一定比例将扩充后的所述原始图像集划分为所述训练集和测试集；
[0020]使用图像标注软件，对所述训练集中所述裂纹图像的裂纹区域进行标注；
[0021]使用标注后的所述训练集对所述裂纹检测模型进行训练；
[0022]使用所述验证集验证训练后的所述裂纹检测模型；
[0023]利用验证后的所述裂纹检测模型对待检测石油管道的内部图像进行裂纹检测，确定所述裂纹区域。
[0024]在一些实施例中，所述步骤S104，还包括：
[0025]提取所述裂纹区域包括的裂纹图像的像素点信息，并选取合适的灰度阈值对所述裂纹图像进行二值化处理；
[0026]利用所述密度聚类算法，将二值化处理后的所述裂纹图像进行聚类分割，拟合裂纹的所述几何形态。
[0027]在一些实施例中，所述步骤S105，还包括：
[0028]通过高斯滤波过滤所述裂纹区域中的异常像素点；
[0029]提取过滤后的所述裂纹区域包括的裂纹图像的裂纹轮廓和裂纹骨架；
[0030]基于所述裂纹轮廓和裂纹骨架，利用图像拼接算法，对所述裂纹区域包括的不同裂纹图像上同一裂纹进行拼接，使用角点检测算法重构重构所述裂纹网络。
[0031]在一些实施例中，所述提取过滤后的所述裂纹区域包括的裂纹图像的裂纹轮廓和裂纹骨架，包括：
[0032]根据所述裂纹区域的中心像素灰度值与周围其他像素灰度值，提取所述裂纹区域的裂纹轮廓；
[0033]采用Zhang
‑
Suen细化算法提取所述裂纹区域的所述裂纹骨架。
[0034]在一些实施例中，所述步骤S106，包括：
[0035]根据所述裂纹图像对应的位置信息，以石油管道外壁与平面相切点作为基准坐标点构建三维空间坐标系，对整个石油管道3D建模，同时在此空间坐标系中对所述裂纹网络在石油管道上的分布进行三维展示。
[0036]本专利技术实施例还提供了一种基于双重注意力机制的石油管道裂纹智能检测装置，包括：
[0037]获取模块，用于采集待检测石油管道的内部图像，并记录所述内部图像对应的位置信息；
[0038]处理模块，用于基于双重注意力机制和yolov5
‑
seg网络，构建石油管道的裂纹检测模型；
[0039]所述处理模型，也用于利用所述裂纹检测模型对待检测石油管道的内部图像进行裂纹检测，确定裂纹区域；
[0040]所述处理模块，还用于利用密度聚类算法对所述裂纹区域包括的裂纹图像进行聚
类分割，拟合裂纹的几何形态；
[0041]所述处理模块模块，还用于提取所述裂纹图像中裂纹轮廓和裂纹骨架，并利用图像拼接算法对所述裂纹图像进行拼接，使用角点检测算法重构裂纹网络；
[0042]输出模块，用于根据所述裂纹网络中裂纹图像对应的位置信息对管道进行3D建模，可视化展示所述裂纹网络形态。
[0043]本专利技术实施例还提供了一种终端，所述终端包括处理器和用于存储能够在所述处理器上运行的计算机程序的存储器；其中，所述处理器用于运行计算计算机程序时，实现本专利技术任一实施例所述基于双重注意力机制的石油管道裂纹检测方法。
[0044]本专利技术实施例还提供了一种存储介质，所述存储介质中有计算机可执行指令，其特征在于，所述计算机可执行指令被处理器执行实现本专利技术任一实施例所述基于双重注意力机制的石油管道裂纹检测方法。
[0045]本专利技术实施例提供一种基于双重注意力机制的石油管道裂纹检测方法，采集待检测石油管道的内部图像；基于双重注意力机制和yolov5
‑
seg网络构建石油管道的裂纹检测模型；利用裂纹检测模型对内部图像进行裂纹检测，确定裂纹区域；利用密度聚类算法对所述裂纹区域的裂纹图像进行聚类分割，拟合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双重注意力机制的石油管道裂纹检测方法，其特征在于，所述方法包括：S101：采集待检测石油管道的内部图像，并记录所述内部图像对应的位置信息；S102：基于双重注意力机制和yolov5
‑
seg网络，构建石油管道的裂纹检测模型；S103：利用所述裂纹检测模型对待检测石油管道的内部图像进行裂纹检测，确定裂纹区域；S104：利用密度聚类算法对所述裂纹区域包括的裂纹图像进行聚类分割，拟合裂纹的几何形态；S105：提取所述裂纹图像中裂纹轮廓和裂纹骨架，并利用图像拼接算法对所述裂纹图像进行拼接，使用角点检测算法重构裂纹网络；S106：根据所述裂纹网络中裂纹图像对应的位置信息对管道进行3D建模，可视化展示所述裂纹网络形态。2.根据权利要求1所述的方法，其特征在于，所述步骤S102中yolov5
‑
seg网络包括骨干网络、颈部网络和头部网络，所述双重注意力机制包括通道注意力机制和空间注意力机制，所述步骤S102包括：在所述骨干网络与颈部网络的连接处添加通道注意力机制，并在所述骨干网络后添加空间注意力机制，改进yolov5
‑
seg网络；采用改进后的yolov5
‑
seg网络作为主体网络，构建所述裂纹检测模型。3.根据权利要求1所述的方法，其特征在于，所述步骤S103，还包括：获取石油管道内部的裂纹图像构成原始图像集；通过剪裁、旋转、平移对所述原始图像集中裂纹图像进行扩充；按照一定比例将扩充后的所述原始图像集划分为所述训练集和测试集；使用图像标注软件，对所述训练集中所述裂纹图像的裂纹区域进行标注；使用标注后的所述训练集对所述裂纹检测模型进行训练；使用所述验证集验证训练后的所述裂纹检测模型；利用验证后的所述裂纹检测模型对待检测石油管道的内部图像进行裂纹检测，确定所述裂纹区域。4.根据权利要求1所述的方法，其特征在于，所述步骤S104包括：提取所述裂纹区域包括的裂纹图像的像素点信息，并选取合适的灰度阈值对所述裂纹图像进行二值化处理；利用所述密度聚类算法，将二值化处理后的所述裂纹图像进行聚类分割，拟合裂纹的所述几何形态。5.根据权利要求1所述的，其特征在于，所述步骤S105，包括：通过高斯滤波过滤所述裂纹...

【专利技术属性】
技术研发人员：柯雨，段隆臣，高辉，何王勇，谭松成，吴振坤，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：