[发明专利]基于自训练深度神经网络的水利系统管螺纹缺陷检测方法

说明书

本发明公开了一种基于自训练深度神经网络的水利系统管螺纹缺陷检测方法。包括：对管道内螺纹原始灰度图像进行阈值化处理、边缘检测；获取管道边缘的圆心位置，对管道内螺纹原始灰度图像进行极坐标变换、线性灰度变换、均值滤波得到管道内螺纹前景图像；对管道内螺纹前景图像进行阈值分割、连通域分析、筛选，得到管螺纹缺陷图像；将管螺纹缺陷图像从极坐标系变换至直角坐标系，变换结果作为标注图像；将标注图像与原始管螺纹图像作为样本数据集，训练语义分割深度卷积神经网络；将待检测管道内螺纹原始灰度图像输入训练好的网络，实现管螺纹缺陷检测。利用本发明，可以在管螺纹缺陷检测场景中，实现智能化的检测，检测效率和精度更高。

技术领域

本发明涉及计算机视觉、深度学习技术领域，具体涉及一种基于自训练深度神经网络的水利系统管螺纹缺陷检测方法。

背景技术

管道是主要用于输送气体、液体或带固体颗粒的流体的装置，作用于我们生活的方方面面，在我国的化工、石油精炼、纸浆/造纸、废弃物处理、纺织等行业得到广泛的应用。在水利工程中，管道更是有着举足轻重的作用。管螺纹连接在管道连着接种是必不可少的连接装置。管螺纹在气体、液体输送过程中具有连接紧固、密封性好、抗腐蚀能力强的优点，因此在我国的输送事业发挥了至关重要的作用。

水利系统的管道有给排水管道、气液管道等，也有供给系统的闭环测量系统中所用到的较为精密的内部管道。对于精密的水利系统内部的管道而言，其密封、强度及质量控制方面存在智能化不足的问题，通常为人工抽样检测。管螺纹的缺陷容易导致精密水利系统的管螺纹连接处出现强度、抗腐蚀、紧固一致性的质量问题，进而降低整个水利系统的稳定性和耐用度。

管螺纹毛刺是导致上述问题的主要原因，也是目前检测技术中尚未智能化检测的部分。传统的螺纹检测工具包括塞规、螺纹环规等，这种检测工具一般都是对螺纹的螺距、螺纹厚度检测。但在实际生产过程中，螺纹的凸起、毛刺这些缺陷却都是非常常见的，严重影响管螺纹的使用，影响螺纹密封性，轻则造成漏水、漏气，产生外部的腐蚀，严重则将会导致系统闭环的失控。

目前管螺纹检测和质量控制之间存在矛盾。为了提供可靠的管道，必须对管螺纹的毛刺、凸起进行质检，然而，目前企业中专门针对管螺纹毛刺缺陷的检测基本都是人工进行检测，且人工检测效率极低。由于工人缺乏实际经验会造成漏检、误检进而导致产量下降。

因此，现有水利系统管螺纹缺陷检测技术存在智能化不足、检测效率低、检测精度不高的问题。

发明内容

本发明提供了一种基于自训练深度神经网络的水利系统管螺纹缺陷检测方法，该方法实现了智能化的管螺纹缺陷检测，检测效率更高，检测精度更高。

一种基于自训练深度神经网络的水利系统管螺纹缺陷检测方法，该方法包括：

步骤一，对管道内螺纹原始灰度图像进行阈值化处理、边缘检测，得到管道轮廓图像；

步骤二，基于最小二乘法拟合圆方法对管道轮廓图像进行处理，得到管道圆心的位置；

步骤三，以管道圆心为原点，对管道内螺纹原始灰度图像进行极坐标变换，得到管道内螺纹极坐标图像，对管道内螺纹极坐标图像进行线性灰度变换；

步骤四，设计两个不同大小的滤波窗口分别对线性灰度变换结果进行均值滤波，基于背景差分法，将两个均值滤波结果做差，得到管道内螺纹前景图像；

步骤五，对管道内螺纹前景图像进行阈值分割，对阈值分割结果进行连通域分析、筛选，得到管螺纹缺陷图像；

步骤六，将管螺纹缺陷图像从极坐标系变换至直角坐标系，变换结果作为标注图像；