[发明专利]管道斜接角度检测方法及装置

说明书

本发明提供一种管道斜接角度检测方法及装置，该方法包括：通过漏磁内检测器采集管道中不同斜接角度的漏磁曲线样本，并将漏磁曲线样本分为训练图像样本集和测试图像样本集；将训练图像样本集输入到卷积神经网络中进行特征识别学习训练，以构建初始卷积神经网络模型；利用测试图像样本集对初始卷积神经网络模型进行校准并得到最终卷积神经网络模型；采集待测管道的斜接角度的漏磁曲线图像并输入最终卷积神经网络模型中，以获取待测管道的斜接角度所属范围。本发明充分利用了图卷积神经网络对图像识别的优势，将其与漏磁检测法结合应用在斜接管道环焊缝漏磁图像分类与识别中，具有设计简单和抗干扰能力强的优点。

技术领域

本发明属于智能检测技术领域，尤其涉及一种管道斜接角度检测方法及装置。

背景技术

我国西部某输气管道工程在使用检测工具进行漏磁内检测过程中，发现900km管线检测范围内106道环焊缝存在斜接问题，其中7道斜接角度大于3°，最大斜接角度为7°。在管道内压作用下，斜接环焊缝处会产生附加弯曲应力，该应力与内压产生的薄膜应力相叠加，导致斜接处产生应力集中，致使管道承压能力下降，并增加应力腐蚀开裂敏感性，降低管道服役寿命。开挖验证是一种可以确定斜接管道完整形貌的有效手段，但是开挖验证要求条件高且花费巨大，所以，如何通过检测的手段来获取斜接管道的角度成为近年来备受关注的热点问题，国内外对此开展的研究也较少，需要一种实施方便的确定管道斜接角度的方法。

发明内容

本发明的主要目的是提出一种管道斜接角度检测方法及装置，旨在解决现有技术中的管道斜接角度检测方法精确性低的技术问题。

为了实现上述目的，本发明提供一种管道斜接角度检测方法，包括步骤：

通过漏磁内检测器采集管道中不同斜接角度的漏磁曲线样本，并将所述漏磁曲线样本分为训练图像样本集和测试图像样本集；

将所述训练图像样本集输入到卷积神经网络中进行特征识别学习训练，以构建初始卷积神经网络模型；

利用测试图像样本集对所述初始卷积神经网络模型进行校准并得到最终卷积神经网络模型；

采集待测管道的斜接角度的漏磁曲线图像并输入所述最终卷积神经网络模型中，以获取所述待测管道的斜接角度所属范围。

在本发明的实施例中，所述通过漏磁内检测器采集管道中不同斜接角度的漏磁曲线样本的步骤包括：

获取管道中不同缺陷类型的漏磁曲线所对应的漏磁场信号；

通过漏磁场信号特征初步判别缺陷外形参数；

根据缺陷外形参数对缺陷进行分类，以获取不同斜接角度范围的漏磁曲线样本。

在本发明的实施例中，所述通过漏磁内检测器采集管道中不同斜接角度的漏磁曲线样本的步骤包括：

以管道中沿漏磁内检测器行进方向上的位置为横坐标，磁通量为纵坐标绘制漏磁曲线图；

识别所述漏磁曲线图中的波动位置，并截取预设斜接角度范围的所述漏磁曲线作为漏磁曲线样本的其中一个图像。

在本发明的实施例中，所述卷积神经网络包括输入层、卷积层和输出层，所述将所述训练图像样本集输入到卷积神经网络中进行特征识别学习训练，以构建初始卷积神经网络模型的步骤包括：

向所述输入层输入多个斜接角度未分类的漏磁曲线图像，并将多个斜接角度未分类的漏磁曲线图像处理成输入特征矩阵；

所述卷积层从所述输入特征矩阵中提取斜接角度的特征；

分析并识别提取的斜接角度的特征，所述输出层对所述输入特征矩阵放入斜接角度的分类标签，并输出斜接角度分类完成后的图像矩阵。