【技术实现步骤摘要】
本申请涉及机器人检测，尤其是涉及一种应用于高空管道的机器人无损检测方法及系统。
技术介绍
1、高空管道穿梭于高层楼宇、高架和山体之间，在使用过程中，这些管道由于暴露在室外环境中，长期受雨水、降雪、大气等条件影响，管道很容易发生污染、腐蚀或破损，进而影响其相应物质的运输工作，造成巨大的经济损失甚至可能威胁人类健康安全，因此定期对管道健康状态进行检测意义重大。
2、目前，专家学者研发了各式各样的管道机器人，它们能进入复杂多变的非结构化管道环境中，通过携带的作业装置完成对管道的检测、清扫和维护等任务，大大降低了人工作业的危险性。然而，目前投入应用的管道机器人大多数采用支撑式的轮足机构和履带机构进入管道内部以进行检测，这样的检测方法在遇到管道中存在大量淤积的油污和灰尘的情况下，机器人很容易在行进过程中因为这些油污或灰尘而打滑或无法前行，从而导致无法顺利地完成整个管道的检测，使得高空管道的检测效率低下。
技术实现思路
1、为了改善检测机器人在管道内部存在杂质的情况下可能无法顺利地完成整个管道的检测，使得高空管道的检测效率低下的问题，本申请提供一种应用于高空管道的机器人无损检测方法及系统。
2、第一方面，本申请提供一种应用于高空管道的机器人无损检测方法，采用如下的技术方案：
3、一种应用于高空管道的机器人无损检测方法，基于一种机器人无损检测系统，该系统包括用于收发超声波的雷达设备，其特征在于，所述机器人无损检测方法包括：
4、获取历史的标准管道的
5、对所述初始数据集进行统一标准化，得到标准数据集；
6、建立管道检测初始模型，并根据所述标准数据集对所述管道检测初始模型进行训练优化，得到管道检测模型；
7、依次获取所述雷达设备采集的待检测管道的若干图像，并对获取的图像进行统一标准化，得到若干待检测图像；
8、将所有所述待检测图像依次输入所述管道检测模型，得到实际检测结果。
9、在一个具体的可实施方案中，所述根据所述标准数据集对所述管道检测初始模型进行训练优化，得到管道检测模型包括：
10、按预设比例将所述标准数据集划分为训练集以及测试集，所述训练集和所述测试集均包括经过统一标准化的所述标准图像以及所述缺陷图像；
11、通过所述训练集对所述检测子模型进行训练；
12、通过所述测试集对训练好的所述管道检测初始模型进行测试优化，得到管道检测模型；
13、所述通过所述训练集对所述管道检测初始模型进行训练包括：
14、将所述训练集中的所有图像均输入到所述管道检测初始模型中，并将每一图像均分割为若干检测区域，并提取出每一图像对应的所有所述检测区域的局部特征矩阵；
15、对所述管道检测初始模型中的所有图像进行分类，得到标准图像以及缺陷图像；
16、计算所有所述标准图像对应的局部特征矩阵的平均值，并将该平均值作为标准特征矩阵，所述标准特征矩阵的计算公式如下：
17、
18、其中，x训，标准(n,i,j)表示训练集中第n张标准图像在检测区域(i,j)的局部特征矩阵；表示标准特征矩阵；an(e,f)(e＝1或2,f＝1或2)表示第n张标准图像对应的局部特征矩阵中第e行第f列的元素；n表示标准图像的总张数；(e＝1或2,f＝1或2)表示所有标准图像对应的局部特征矩阵中第e行第f列的元素的平均值；
19、基于所述标准特征矩阵以及所述缺陷图像的局部特征矩阵得到缺陷特征矩阵，以完成对所述管道检测初始模型的训练。
20、在一个具体的可实施方案中，所述管道检测初始模型包括用于检测不同缺陷类型的若干检测子模型；所述基于所述标准特征矩阵以及所述缺陷图像的局部特征矩阵得到缺陷特征矩阵，以完成对所述管道检测初始模型的训练包括：
21、将每一所述缺陷图像的每一所述检测区域的局部特征矩阵分别与相应的所述检测区域的所述标准特征矩阵进行相差度对比，得到第一相差度；
22、根据所述第一相差度得到每一所述缺陷图像中对应于某些所述检测区域的待合并特征矩阵，并根据所有所述待合并特征矩阵对所述标准特征矩阵进行更新；
23、根据所述第一相差度得到每一所述缺陷图像中对应于某个所述检测区域的疑似缺陷特征矩阵；对每一所述疑似缺陷特征矩阵均进行检验，并根据通过检验的所有所述疑似缺陷特征矩阵得到缺陷特征矩阵。
24、在一个具体的可实施方案中，所述第一相差度的计算公式为：
25、
26、其中，x缺陷(a,i,j)表示训练集中第a张缺陷图像在检测区域(i,j)的局部特征矩阵；表示所有检测区域(i,j)对应的一个标准特征矩阵；d表示x缺陷(a,i,j)与之间的欧几里得距离；ae,f(e＝1或2,f＝1或2)表示特征矩阵x缺陷(a,i,j)中第e行第f列的元素；be,f(e＝1或2,f＝1或2)表示特征矩阵中第e行第f列的元素；d1表示第一相差度，且取值范围为[0,1]；
27、所述根据第一相差度得到每一缺陷图像中对应于某些检测区域的待合并特征矩阵，并根据所有待合并特征矩阵对标准特征矩阵进行更新包括：
28、当所述第一相差度小于相差度阈值时，将该所述第一相差度对应的局部特征矩阵作为待合并特征矩阵，并根据所有所述待合并特征矩阵对标准特征矩阵进行更新，所述更新的计算公式如下：
29、
30、其中，x待合并(n,i,j)表示待合并特征矩阵；表示更新前的标准特征矩阵；表示更新后的标准特征矩阵；be,f(e＝1或2,f＝1或2)表示特征矩阵中第e行第f列的元素；cn(e,f)(e＝1或2,f＝1或2)表示第n个待合并特征矩阵中第e行第f列的元素；m表示待合并特征矩阵的总数量。
31、在一个具体的可实施方案中，所述对每一所述疑似缺陷特征矩阵均进行检验，并根据通过检验的所有所述疑似缺陷特征矩阵得到缺陷特征矩阵包括：
32、在得到每一疑似缺陷特征矩阵后，均将与其对应的检测区域作为检验区域，并对每一检验区域进行二次分割，得到若干检验子区域；
33、提取每一检验子区域的检验子特征矩阵，并将所有检验子特征矩阵的平均值作为检验特征矩阵；
34、计算每一检验特征矩阵与相应的检验区域对应的疑似缺陷特征矩阵的相差参数；
35、若相差参数小于预设的相差阈值，则根据该相差参数对应的所有检验子特征矩阵得到缺陷特征矩阵。
36、在一个具体的可实施方案中，所述相差参数的计算公式如下：
37、
38、其中，γ(x1,x2)表示x1与x2之间的相差参数；(即x1)表示与检验区域(i,j)对应的检验特征矩阵；x疑似缺陷(i,j)表示与检验区域(i,j)对应的疑似缺陷特征矩阵；xd′(d＝1或2)表本文档来自技高网...
【技术保护点】
1.一种应用于高空管道的机器人无损检测方法，基于一种机器人无损检测系统，该系统包括用于收发超声波的雷达设备(200)，其特征在于，所述机器人无损检测方法包括：
2.根据权利要求1所述的机器人无损检测方法，其特征在于，所述根据所述标准数据集对所述管道检测初始模型进行训练优化，得到管道检测模型包括：
3.根据权利要求2所述的机器人无损检测方法，其特征在于，所述管道检测初始模型包括用于检测不同缺陷类型的若干检测子模型；所述基于所述标准特征矩阵以及所述缺陷图像的局部特征矩阵得到缺陷特征矩阵，以完成对所述管道检测初始模型的训练包括：
4.根据权利要求3所述的机器人无损检测方法，其特征在于，所述第一相差度的计算公式为：
5.根据权利要求4所述的机器人无损检测方法，其特征在于，所述对每一所述疑似缺陷特征矩阵均进行检验，并根据通过检验的所有所述疑似缺陷特征矩阵得到缺陷特征矩阵包括：在得到每一疑似缺陷特征矩阵后，均将与其对应的检测区域作为检验区域，并对每一检验区域进行二次分割，得到若干检验子区域；
6.根据权利要求5所述的机器人无损检测方
7.根据权利要求6所述的机器人无损检测方法，其特征在于，所述缺陷特征矩阵的计算公式如下：
8.一种智能终端，其特征在于，包括存储器和处理器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的机器人无损检测方法。
9.一种机器人无损检测系统，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1至7任一所述的机器人无损检测方法。
...【技术特征摘要】
1.一种应用于高空管道的机器人无损检测方法，基于一种机器人无损检测系统，该系统包括用于收发超声波的雷达设备(200)，其特征在于，所述机器人无损检测方法包括：
2.根据权利要求1所述的机器人无损检测方法，其特征在于，所述根据所述标准数据集对所述管道检测初始模型进行训练优化，得到管道检测模型包括：
3.根据权利要求2所述的机器人无损检测方法，其特征在于，所述管道检测初始模型包括用于检测不同缺陷类型的若干检测子模型；所述基于所述标准特征矩阵以及所述缺陷图像的局部特征矩阵得到缺陷特征矩阵，以完成对所述管道检测初始模型的训练包括：
4.根据权利要求3所述的机器人无损检测方法，其特征在于，所述第一相差度的计算公式为：
5.根据权利要求4所述的机器人无损检测方法，其特征在于，所述对每一所述疑似缺陷特征矩阵均进行检验，并根据通过检验的所有所述疑似缺陷特征矩阵得到缺陷特征矩阵包括：在得到每一疑似缺陷特...
【专利技术属性】
技术研发人员：朱坤景，贾邦安，刘晶，孙海瑞，
申请(专利权)人：无锡市弘泰检测科技有限公司，
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。