【技术实现步骤摘要】
本专利技术涉及图像分析，具体涉及基于轮廓提取的大直径压力钢管质量检测方法及系统。
技术介绍
1、大直径压力钢管是一种具有特殊结构和作用的管道，用于输送大量液体或者气体，需要提供一定的负压，实现吸力效果使得液体或者气体能够顺畅流动，因此，需要确保大直径压力钢管的质量合格，保证大直径压力钢管正常工作。
2、现有方法中通过超声波探伤装置对大直径压力钢管进行锯齿状连续超声波探伤，进而构建大直径压力钢管的三维点云数据模型，确定大直径压力钢管中的缺陷区域，对大直径压力钢管的质量进行检测。但在实际情况中，超声波探伤装置获取的点云数据会随着探头的锯齿状移动而产生相应的变化，在探头移动获取点云数据的过程中点云数据容易出现误差，导致根据点云数据无法准确的识别出大直径压力钢管中的缺陷区域，进而无法对大直径压力钢管的质量进行准确检测，无法保障大直径压力钢管稳定的进行工作。
技术实现思路
1、为了解决在探头移动获取点云数据的过程中点云数据容易出现误差，导致根据点云数据无法准确的识别出大直径压力钢管中的缺陷区域，进而无法对大直径压力钢管的质量进行准确检测的技术问题，本专利技术的目的在于提供一种基于轮廓提取的大直径压力钢管质量检测方法及系统，所采用的技术方案具体如下：
2、第一方面，本专利技术一个实施例提供了一种基于轮廓提取的大直径压力钢管质量检测方法，该方法包括以下步骤：
3、获取每个探测位置下大直径压力钢管的异常点云数据；
4、基于异常点云数据之间的距离将异常
5、根据目标点云数据与其所属点云数据类别内的其他每个异常点云数据之间的距离，筛选出目标点云数据的参考异常点云数据；根据所述参考异常点云数据的数量和聚集程度值的波动情况，获取目标点云数据的聚集一致值；
6、根据每个异常点云数据的聚集一致值，获取dbscan聚类算法中的邻域距离阈值，将异常点云数据进行聚类获取最终聚类簇；根据每个最终聚类簇内每个异常点云数据的聚集一致值和坐标点，获取最终缺陷点云数据的坐标点，进而确定大直径压力钢管中的缺陷，对大直径压力钢管的质量进行检测；
7、所述大直径压力钢管中的缺陷的获取方法为：将所有的最终缺陷点云数据的坐标点输入到训练好的深度学习神经网络模型中，准确输出大直径压力钢管中的缺陷。
8、进一步地，所述聚集程度值的获取方法为：
9、获取目标点云数据所属点云数据类别内所述点云数据集中的异常点云数据的数量，作为目标点云数据的第一数量；
10、根据第一数量的大小、所述点云数据集中所有异常点云数据的总数量与第一数量的比值，以及目标点云数据与其预设数量个邻近异常点云数据之间的欧式距离，获取目标点云数据的聚集程度值。
11、进一步地，所述聚集程度值的计算公式为：
12、；式中，为第k个异常点云数据的聚集程度值；为第k个异常点云数据所在点云数据集中所有异常点云数据的总数量；为第k个异常点云数据的第一数量；m为预设数量；为第k个异常点云数据与其第m个邻近异常点云数据对应坐标点的欧式距离；exp为以自然常数为底数的指数函数。
13、进一步地，所述参考异常点云数据的获取方法为：
14、获取目标点云数据与其所属点云数据类别内的其他每个异常点云数据对应坐标点之间的欧式距离，均作为第一距离；
15、将最小的第一距离所对应的非目标点云数据的其他异常点云数据，均作为目标点云数据的参考异常点云数据。
16、进一步地，所述聚集一致值的计算公式为：
17、；式中，为第k个异常点云数据的聚集一致值；为第k个异常点云数据的参考异常点云数据的总数量；为第k个异常点云数据的第l个参考异常点云数据的聚集程度值；为第k个异常点云数据的所有参考异常点云数据的聚集程度值的均值；为绝对值函数；norm为归一化函数；为第一预设常数，大于0。
18、进一步地，所述根据每个异常点云数据的聚集一致值，获取dbscan聚类算法中的邻域距离阈值的方法为：
19、将最大聚集一致值所对应的异常点云数据，均作为特征点云数据；
20、获取所有特征点云数据与其参考异常点云数据之间的第一距离的均值，作为dbscan聚类算法中的邻域距离阈值。
21、进一步地，所述根据每个最终聚类簇内每个异常点云数据的聚集一致值和坐标点，获取最终缺陷点云数据的坐标点的方法为：
22、根据每个异常点云数据的聚集一致值与其所属最终聚类簇内所有异常点云数据的聚集一致值的均值的差异，获取每个异常点云数据的匹配程度值；其中，所述差异与所述匹配程度值呈负相关关系；
23、将每个异常点云数据的匹配程度值与对应坐标点进行相乘，获取每个异常点云数据对应的修正坐标点；
24、获取每个最终聚类簇内所有异常点云数据对应的修正坐标点的中心坐标点，作为每个最终缺陷点云数据的坐标点。
25、进一步地，所述点云数据类别的获取方法为：
26、获取任意两个异常点云数据对应坐标点的欧式距离，通过optics密度聚类算法对异常点云数据进行聚类，获得点云数据类别。
27、进一步地，所述异常点云数据的获取方法为：
28、获取每个探测位置下大直径压力钢管的点云数据；其中，每个点云数据包括超声数据和参考距离；
29、获取每个参考距离下的超声数据阈值，当点云数据的超声数据大于对应参考距离下的超声数据阈值时，对应点云数据为异常点云数据。
30、第二方面，本专利技术另一个实施例提供了一种基于轮廓提取的大直径压力钢管质量检测系统，该系统包括：存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序，处理器执行所述计算机程序时，实现上述任意一项方法的步骤。
31、本专利技术具有如下有益效果：
32、基于异常点云数据之间的距离将异常点云数据划分为点云数据类别，初步将异常点云数据进行划分，便于后续对每个异常点云数据的聚集程度进行分析；为了清楚的进行说明，进而任选一个异常点云数据作为目标点云数据，将所有探测位置下与目标点云数据相同位置的异常点云数据构建为一个点云数据集，为准确分析目标点云数据的聚集程度做准确；进而根据目标点云数据所属点云数据类别内点云数据集中的异常点云数据的分布情况，以及目标点云数据与其预设数量个邻近异常点云数据之间的距离，获取目标点云数据的聚集程度值，初步判断目标点云数据为真实缺陷点云数据的可能性；为了更进一步分析每个异常点云数据为真实缺陷点云数据的可能程度，进而根据目标点云数据与其所属点云数据类别内的其他每个异常点云数据之间本文档来自技高网...
【技术保护点】
1.一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，所述聚集程度值的获取方法为：
3.如权利要求2所述一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，所述聚集程度值的计算公式为：
4.如权利要求1所述一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，所述参考异常点云数据的获取方法为：
5.如权利要求1所述一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，所述聚集一致值的计算公式为：
6.如权利要求4所述一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，所述根据每个异常点云数据的聚集一致值，获取DBSCAN聚类算法中的邻域距离阈值的方法为：
7.如权利要求1所述一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，所述根据每个最终聚类簇内每个异常点云数据的聚集一致值和坐标点，获取最终缺陷点云数据的坐标点的方法为：
8.如权利要求1所述一种基于轮廓提取的大
9.如权利要求1所述一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，所述异常点云数据的获取方法为：
10.一种基于轮廓提取的大直径压力钢管质量检测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器在执行所述计算机程序时，实现上述权利要求1-9任意一项所述一种基于轮廓提取的大直径压力钢管质量检测方法的步骤。
...【技术特征摘要】
1.一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，所述聚集程度值的获取方法为：
3.如权利要求2所述一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，所述聚集程度值的计算公式为：
4.如权利要求1所述一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，所述参考异常点云数据的获取方法为：
5.如权利要求1所述一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，所述聚集一致值的计算公式为：
6.如权利要求4所述一种基于轮廓提取的大直径压力钢管质量检测方法，其特征在于，所述根据每个异常点云数据的聚集一致值，获取dbscan聚类算法中的邻域...
【专利技术属性】
技术研发人员：殷爱国，师建军，刘建国，李二伟，付庭茂，郝俊峰，宋娟娟，冯飞鸿，王涛，
申请(专利权)人：中铁七局集团第三工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。