[发明专利]一种海底管道表面缺陷检测装置及检测方法

说明书

本发明公开了一种海底管道表面缺陷检测装置及检测方法，其通过引入经训练的神经网络对所采集的海底管道表面影像进行缺陷检测处理，提高了处理效率，同时，结合影像采集时同步生成的定位信息，使得检测神经网络输出的结果为管道具有缺陷时，进行快速输出具有缺陷的海底管道表面影像和与其关联的定位信息，该机制使得检修人员能够快速对管道缺陷的位置进行定位，以提高检修措施、方案的形成效率，另外，本方案还通过实际应用场景来构建与海底水体状态情况适应性的去噪训练集，然后通过训练去噪神经网络来对所采集的海底管道表面影像进行去噪处理，其能够更高质量、高效率和高准确率地实现海底影像的去噪，为检测神经网络的识别检测提供了数据保证。

技术领域

本发明涉及管道检修技术领域，尤其涉及一种海底管道表面缺陷检测装置及检测方法。

背景技术

海底管道作为海上油气田的生命线，其在海洋石油开发中发挥着重要作用；但恶劣的工作条件下，海底管道经常因腐蚀、波流冲刷或其他机械破坏等原因而失效，因此，海底管道的安全一直是本领域的难题，随着“机器人”技术的广泛应用，应用特定的机器人对海底管道进行巡检也越来越普及，甚至还有一些专门针对海底管道表面进行清洁的清扫机器人，然而由于海底的水质、水体状态较为复杂，其对视觉检测技术的应用存在一定的干扰和制约，因此，在海底管道巡检方面，目前还尚未有较为广泛的应用视觉技术对海底管道表面进行巡检和缺陷检测，因此，如何优化海底管道表面影像采集，提高视觉技术在海底管道表面缺陷检测的精度、可靠性是非常具有现实意义的研究课题。

发明内容

有鉴于此，本发明的目的在于提出一种实施可靠、应用灵活且能够对所采集的海底管道表面影像进行特征增强修饰的海底管道表面缺陷检测装置及检测方法。

为了实现上述的技术目的，本发明所采用的技术方案为：

一种海底管道表面缺陷检测方法，其包括：

S01、构建数据库，该数据库内存储有多种管道缺陷图像；

S02、获取数据库内的管道缺陷图像且按预设条件对其进行格式调整，然后进行缺陷标注，再将经标注的管道缺陷图像和未标注的管道缺陷图像进行关联后，汇集形成第一训练数据集；

S03、获取第一训练数据集，按预设条件在第一训练数据集中选取预设量的数据作为训练数据和验证数据，然后将训练数据和验证数据导入到神经网络中训练至模型收敛，获得用于对海底管道表面缺陷进行检测的检测神经网络；

S04、按预设条件采集海底管道表面影像且同步生成与海底管道表面影像关联的定位信息；

S05、获取所采集的海底管道表面影像且对其进行去噪处理后，导入到检测神经网络中进行检测，由检测神经网络输出检测结果；

S06、获取检测结果，当检测结果为存在缺陷时，将该海底管道表面影像和与其关联的定位信息进行输出。

作为一种较优的选择实施方式，优选的，本方案S05中采用去噪神经网络对所采集的海底管道表面影像进行去噪处理，该去噪神经网络的构建方法包括：

A01、构建与海底管道布设海域对应的仿真模拟场景且令场景背景为透明色或纯色；

A02、在仿真模拟场景中制造出不同预设流速、流体状态和/或光斑情况下的海水状态，然后对其进行影像采集且分割为多个图像帧，再对图像帧去除背景色后，将图像帧透明度设置在30％～60％之间并输出多张不同影像透明度下的图像噪声数据，图像噪声数据经汇集后，获得流体噪声数据集；

A03、获取数据库内的管道缺陷图像且按预设条件对其进行格式调整，然后将流体噪声数据集中的图像噪声数据与管道缺陷图像进行随机组合叠加，获得经噪声处理的管道缺陷图像，再将经噪声处理的管道缺陷图像和未噪声处理的管道缺陷图像进行关联后，汇集形成第二训练数据集；