文献类型：期刊文章

作　　者：董绍华[1,2] 孙玄[1] 谢书懿[1] 王明锋[3]

Dong Shaohua;Sun Xuan;Xie Shuyi;Wang Mingfeng(College of Mechanical and Transportation Engineering,China University of Petroleum ,Beijing 102249,China;China University of Petroleum-Beijing at Karamay,Karamay,Xingjiang 834000,China;Operation Districtof Hutubi Gas Storage,PetroChina Xinjiang Oilfield Company,Hutubi,Xingjiang 831200,China)

机构地区：[1]中国石油大学(北京)机械与储运工程学院 [2]中国石油大学(北京)克拉玛依校区 [3]中国石油新疆油田公司呼图壁储气库作业区

出　　处：《天然气工业》

基　　金：国家重点研发计划项目"国家石油及天然气储备库安全保障技术与装备研发"(编号:2017YFC0805800);国家自然科学基金项目"X80管线钢氢损伤失效行为与完整性评价模型研究"(编号:51874322)

年　　份：2019

卷　　号：39

期　　号：1

起止页码：113-117

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：管道焊缝数字图像是管道焊缝可靠性管理的重要依据,但对其进行人工判别的误判率较高。为了提高对管道焊缝数字图像缺陷的识别准确度,采用多项边缘检测、检测通道与阈值分割等方法,对管道焊缝图像中存在的缺陷进行图像处理,构造了焊缝数字图像缺陷特征库,包含灰度差、等效面积、圆形度、熵、相关度等参数,建立了多分类器构造(SVM)模型,实现了对管道焊缝数字图像缺陷的分类评价,最终开发出管道焊缝数字图像缺陷自动识别软件,并进行了现场验证分析。研究结果表明:(1)图像处理后在没有噪声的情况下,Canny等算法都可以得到很好的边缘检测结果,在有噪声的情况下,检测结果出现伪边缘,选用自动选取阈值方法进行图像边缘检测,能够取得合理的阈值;(2)所建立的焊缝数字图像缺陷特征数据库包含形状特征和纹理特征、图像长度像素等14项参数;(3)通过所建立的SVM分类模型,可以分类获取缺陷形状特征,找出裂纹、夹渣、气孔、未焊透、未熔合和条形等缺陷特征。现场应用结果表明:(1)该缺陷自动识别技术适用于对各类管道焊缝缺陷质量的识别判定;(2)其识别准确率超过90%;(3)该技术实现了对管道焊缝数字图像缺陷的自动识别和自动化评价。结论认为,该研究成果有助于确保管道的安全运行。

关 键 词：管道焊缝 射线底片 数字图像 缺陷库  SVM分类模型  缺陷识别  自动识别 软件开发  

分 类 号：TP391.41]