CN102706955A - 基于单轴漏磁数据的管道缺陷特征提取方法及装置 - Google Patents
基于单轴漏磁数据的管道缺陷特征提取方法及装置 Download PDFInfo
- Publication number
- CN102706955A CN102706955A CN2012101778251A CN201210177825A CN102706955A CN 102706955 A CN102706955 A CN 102706955A CN 2012101778251 A CN2012101778251 A CN 2012101778251A CN 201210177825 A CN201210177825 A CN 201210177825A CN 102706955 A CN102706955 A CN 102706955A
- Authority
- CN
- China
- Prior art keywords
- defect
- single shaft
- data
- pipeline
- processing module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明基于单轴漏磁数据的管道缺陷特征提取方法及装置,该装置包括:内检测装置主体、磁铁、单轴霍尔传感器和控制单元电路板,所述的控制单元电路板包括模拟开关、电压跟随器、低通滤波器、AD转换模块、DSP数据处理模块、FPGA和缺陷特征存储器。管道缺陷特征提取方法只使用管道内检测装置的单轴数据作为特征提取的数据,通过磁场强度和像素的映射关系将单轴漏磁数据转换成图像形式,并对图像进行滤波处理,通过判断找出缺陷的可能位置,再用一个检测阈值对图像进行二值化处理,通过连通和链码确定缺陷的边界,并根据内检测器的传感器排布确定缺陷类型。
Description
技术领域
本发明属于信号检测和模式识别领域,具体涉及基于单轴漏磁数据的管道缺陷特征提取方法及装置。
背景技术
我国地处西太平洋沿岸,海底表层地基不稳定,同时海底管线和水下结构物长期遭受介质腐蚀、海流冲淘以及海上意外事故的影响,海底油气管道容易产生缺陷和损伤,严重时还会发生爆管、油气泄漏或平台倒塌,造成巨大的经济损失,同时也造成海洋环境污染。为了避免油气泄漏等类似事故的发生,应该对在役管道进行定期检测和维护,检测管道壁中的潜在缺陷。我国在上世纪90年代已在浅海海域进行了石油开采,许多海底管线已服役了十多年,检测和修复工作势在必行。
特征提取是计算机视觉和图像处理中的一个概念,它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分成不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。
中国石油管道公司同国外某公司合作进行了三轴高清漏磁检测器的试验性应用,该三轴高清漏磁检测器利用四个三向霍尔传感器代替传统的4线圈传感器,能记录三个独立轴向的漏磁信号。在检测数据中具有典型特征的金属增加缺陷和三轴信号。通过对检测信号分析和开挖验证结果分析,发现该信号特征明显,显著增强了对缺陷尺寸判断的准确性,提高了检测精度,与开挖检测结果吻合度高。该检测器可以很好的分析出管道内的缺陷,但是因为使用的传感器多,采集数据量大,对存储模块的容量要求也就更大,而且因为在处理是器件会发热,因此由于数据量大,所以发热更加严重。相比较于上述检测器,基于单轴数据的缺陷提取装置更小,对于存储模块容量要求也更小。
发明内容
针对现有技术的不足,本发明提出基于单轴漏磁数据的管道缺陷特征提取方法及装置,以达到结构简单,只使用单轴数据进行特征提取,只存储特征数据,大大减小存储空间的目的。
基于单轴漏磁数据的管道缺陷特征提取装置,包括:内检测装置主体、磁铁、单轴霍尔传感器和控制单元电路板,所述的控制单元电路板包括模拟开关、电压跟随器、低通滤波器、AD转换模块、DSP数据处理模块、FPGA和缺陷特征存储器,内检测装置主体呈圆柱体,在其一端设置有第一磁铁,其另一端设置有第二磁铁,第一磁铁和第二磁铁为圆环体,并套于内检测装置主体上,在所述的第一磁铁和第二磁铁之间设置有槽体,所述的槽体为圆环体, 该槽体外表面上均匀的设置有凹槽,在所述的槽内设置有单轴霍尔传感器,所述的单轴霍尔传感器的正面垂直于管道径向。
所述的凹槽的个数为10~40个。
所述的槽内设置有单轴霍尔传感器的个数为1~12个。
采用缺陷特征存储器作为数据存储器,只存储缺陷特征数据。
一种采用基于单轴漏磁数据的管道缺陷特征提取装置的缺陷特征提取方法,其特征在于:步骤如下:
步骤1、DSP数据处理模块读取从管道内检测装置采集得到的瞬变单轴漏磁场信号数据,并通过数据融合和插值对数据进行处理形成漏磁曲线;
步骤2、在DSP数据处理模块中对检测到的单轴漏磁场信号数据进行去除噪声,信号增强处理;
步骤3、在DSP数据处理模块中将磁场信号通过映射转换为像素信号,转化为灰度图像;
步骤4、在DSP数据处理模块中判断当前单轴漏磁场信号数据中是否存在有缺陷的区域,即此刻检测的值与前一个采样值做差,若差值大于设定值,则对缺陷区域进行特征提取,执行步骤5,若差值小于设定值,则执行步骤9;
步骤5、在DSP数据处理模块中对像素图像进行再次滤波,通过计算设定一个像素阈值,通过此像素阈值对图像进行二值处理,将图像转换为黑白二色图像;
步骤6、在DSP数据处理模块中对图像进行操作,通过使用链码确定单轴漏磁数据图像缺陷的边界;
步骤7、在DSP数据处理模块中根据已得出缺陷边界的图像和漏磁曲线的采样间距分别求出缺陷的长、宽、周长、面积和深度;
步骤8、在DSP数据处理模块中对缺陷特征根据分类标准进行分类,并保存结果;
步骤9、在DSP数据处理模块中若继续进行特征分析,回到步骤4继续执行;若不继续进行特征分析,则结束。
本发明优点:
本发明基于单轴漏磁数据的管道缺陷特征提取方法及装置具有结构简单、只使用单轴数据进行特征提取、只存储特征数据、存储空间小的优点。
附图说明
图1为本发明一种实施例基于单轴漏磁数据的管道缺陷特征提取装置结构图;
图中,1-内检测装置主体;2-第一磁铁;3-第二磁铁;4-凹槽;5-槽体;6-单轴霍尔传感器;7-控制单元电路板;
图2为本发明一种实施例磁化特性曲线图;
图3为本发明一种实施例单轴霍尔传感器在管道中的示意图;
图中,601-管壁;602-铁刷;603-缺陷;604-单轴霍尔传感器;605-第一磁铁;606-第二磁铁;607-轭铁;
图4为本发明一种实施例控制单元电路板的结构示意图;
图5为本发明一种实施例数据采集电路原理图;
图6为本发明一种实施例控制单元电路原理图;
图7为本发明一种实施例漏磁检测流程图;
图8为本发明一种实施例漏磁曲线图;
图9为本发明一种实施例四连通和八连通图,图中,A图为四连通图,B图为八连通图;
图10为本发明一种实施例管道缺陷边界和区域图,图中,A图为原区域图,B图为四连通的边界和区域图,C图为八连通的边界和区域图;
图11为本发明一种实施例链码的连通性图,图中,A图为四连通示意图,B图为八连通示意图,C图为四连通链码示意图,D图为八连通链码示意图。
具体实施方式
下面结合图对本发明的实施例做进一步描述。
图1为本发明一种实施例基于单轴漏磁数据的管道缺陷特征提取装置结构图,该装置基于单轴漏磁数据的管道缺陷特征提取,包括:内检测装置主体、磁铁、单轴霍尔传感器和控制单元电路板,所述的控制单元电路板包括模拟开关、电压跟随器、低通滤波器、AD转换模块、DSP数据处理模块、FPGA和缺陷特征存储器,内检测装置主体呈圆柱体,在其一端设置有第一磁铁,其另一端设置有第二磁铁,第一磁铁和第二磁铁为圆环体,并套于内检测装置主体上,在所述的第一磁铁和第二磁铁之间设置有槽体,所述的槽体为圆环体,该槽体外表面上均匀的设置有凹槽,在所述的槽内设置有单轴霍尔传感器,所述的单轴霍尔传感器的正面垂直于管道径向。所述的凹槽的个数为10~40个。所述的槽内设置有单轴霍尔传感器的个数为1~12个。
漏磁场产生的原因是磁通路中的磁通密度发生改变、磁力线发生弯曲,该现象的产生是建立在铁磁性材料高磁导率特性基础上的,利用霍尔元件检测漏磁场可获知缺陷存在情况。闭合磁路内的铁磁性材料在激励源的作用下被磁化后,如果铁磁性材料是均匀连续的各向同性介质,大部分磁力线将被约束在材料内部,材料表面几乎没有磁力线穿出。当材料的内部或表层存在缺陷时,由于铁磁材料的高磁导率与缺陷处填充的介质(一般是空气)的磁导率存在很大差异。在尚未饱和的情况下,且缺陷占据的比例较小,材料剩余的连续部分仍能容纳 全部磁通量,那么磁通将优先从磁阻较小的材料内通过,只是材料内部的磁通密度变大。在近饱和磁化的情况下,当缺陷的尺寸较大时,缺陷附近的磁通密度难以增加,部分磁通会从缺陷部位溢出,穿越缺陷周围的空气再进入材料,从而形成漏磁通。
例如:在剖面面积为S的钢板上存在缺陷,缺陷的截面积为ΔS,则缺陷区域钢板的剩余面积为S-ΔS。若磁化场的磁场强度为定值H,钢板内无缺陷处的磁感应强度为B。通过钢板截面的总磁通为:Φ=BS,在缺陷处理应变为:Φ=B'*(S-ΔS),即 缺陷处的磁感应强度因缺陷的存在而增大,但是因为材料近饱和,从磁化曲线图中可以得出:磁导率μ趋于下降,ΔB=B′-B的变化范围很小。实际的磁通量为Φ'=B'*(S-ΔS)≈B*(S-ΔS)<Φ,所以必然有一部分磁通从材料中泄露到周围的介质中。根据边界磁通连续的原理,钢板外表面的磁通Bs为: 式中,μs为空气的相对磁导率,μ为钢板的相对磁导率,B为钢板内的磁感应强度。其磁化特性曲线如图1所示。图3为本发明实施例单轴霍尔传感器在管道中的示意图,通过单轴霍尔传感器的探头探测装置两端磁铁之间的磁场信号。
图4为本发明实施例控制单元电路板的结构示意图,单轴霍尔传感器选用ss495,本实例中供电电压为5VDC,供电电流在供电电压为5VDC时的典型值为7.0mA,所以功耗低,输出方式是比率线性,可反应于正的或负的磁场。本发明实施例中的槽体上均匀分布有22个凹槽,且每个凹槽内设置有4个单轴霍尔传感器,每个单轴霍尔传感器正面垂直于管道径向,即共使用88个单轴霍尔传感器。每个单轴霍尔传感器ss495共有3个引脚,1号和2号引脚分别连接5VDC和模拟地,3号引脚是输出引脚,连接到模拟开关的输入端。
单轴霍尔传感器采集到的信号通过模拟开关,电压跟随器和低通滤波器之后进入AD转换模块。因为AD转换模块要求输入的是单路信号,而单轴霍尔传感器采集到的是多路的磁场信号。因此需要通过模拟开关对信号进行从多路到单路的转换。
模拟开关选用CD4067,CD4067是数字控制模拟开关,具有低导通阻抗,低截止漏电流和内部地址译码的特征。另外,在整个输入信号范围内,导通电阻保持相对稳定。CD4067是16通道开关,每一片CD4067有I0~I15这16个输入通道,有四个二进制输入端A0~A3和控制端C,输入的任意一个组合可选择一路开关,当C=1时,表示关闭所有的通道。本发明实施例中,使用6片CD4067,可以允许通道数为96,第1~5片CD4067,每片的I0~I14连接15个单轴霍尔传感器ss495的输出端,每片的最后一个通道I15输入端经一电阻接地,作为零点,防止器件的热特性引起的零点漂移,第6片CD4067的I0~I12连接13个单轴霍 尔传感器输出端,最后三个输入端I3~I15连接在一起,并经一个电阻接地。
每个模拟开关的输出端连接一个电压跟随器,起到缓冲、隔离、提高带载能力的作用。在本实施例中由运算放大器TL082构成电压跟随器,6片CD4067的输出端O连接TL082的3号引脚,即TL082的同相输入端。
每个电压跟随器输出端连接一个RC低通滤波器,滤除信号中的高频噪声,TL082的1号脚作为输出引脚连接RC低通滤波器的电阻一端。
AD采样模块选用美国ADI公司的AD7606,AD7606是16位、6通道同步采样模数转换器,内置模拟输入箝位保护、二阶抗混叠滤波器、跟踪保持放大器、16位电荷再分配逐次逼近型ADC、灵活的数字滤波器、2.5V基准电压源、基准电压缓冲以及高速串行和并行接口。本发明实施例中采用6片采样模块,每个AD7606采用5V单电源供电,RC低通滤波器的电容一端连接到AD7606的六个模拟信号输入端V1~V6(第1片AD采样模块的电容一端V1连接到AD7606的六个模拟信号输入端V1,以此类推,直至第6片AD采样模块),模拟转换后的数字信号采用16位并行输出方式,由AD7606的DB0~DB15端输出。
图6为本发明实施例控制单元电路原理图,控制单元采用FPGA+DSP方式。FPGA负责控制AD采样模块,在DSP通过编写好的算法程序进行特征提取等操作。在发明实施例中,低层信号预处理算法所处理的数据量大,对处理的速度要求高,但运算结构相对比较简单,适用于FPGA硬件实现,这样同时兼顾速度和灵活性。高层处理算法的特点是所处理的数据量较低层算法少,但算法的控制结构复杂,适用于用运算速度高、寻址方式灵活、通信机制强大的DSP芯片来实现。
FPGA采用CycloneIII系列的EP3C25F324C8N型号。由FPGA控制AD转换,AD转换后的16位并行数据DB0~DB15送给FPGA的IO接口中的DB0~DB15。DSP数据采集模块选用TI公司的TMS320C6713为主控制器,在本发明实施例中,DSP通过EMIF接口(即ED0~ED31)分别与FPGA、SDRAM连接,DSP、FPGA和SDRAM一同使用数据总线ED0~ED31,以及地址总线EA2~EA21。信号数据进入DSP,通过下载到DSP内的程序进行去噪,图像增强,将单轴霍尔传感器检测到的电压信号向像素图的转换,并进行缺陷的特征提取和缺陷分类操作,最后将管道缺陷特征和缺陷分类情况保存到存储器里。
在FPGA内部生成一个数据宽度为32bit,深度为512的异步FIFO模块,作为数据输出缓存,缓存经AD转换后的数据,半满标志HALF_FULL(即INT4口)连接到TMS320C6713的中断INT4,FIFO半满时,DSP通过数据总线ED0~ED31从FPGA的IO口中读取缓存的数据,进行特征提取后,再通过数据总线ED0~ED31将特征数据存储到SDRAM中,因此需要将TMS320C6713的EMIF接口ED0~ED31引脚与SDRAM的DQ0~DQ31引脚。
数据存储器SDRAM选用MT48LC2M32B2TG,容量为64Mb:x32的SDRAM,MT48LC2M32B2TG为512Kx32x4banks。在本实施例中只是存储特征数据,所以大大减小了存储空间。
本文发明提供了一种基于单轴漏磁数据的管道缺陷特征提取方法,该方法是利用管道内检测装置在管道内巡检时获得的缺陷漏磁数据中的单轴数据,对其磁场分部进行分析,并通过简单算法对缺陷的特征进行提取,并最终通过所提取的缺陷特征,对缺陷进行分类。图7为本发明实施例漏磁检测流程图,该方法按如下步骤进行:
步骤1、DSP数据处理模块读取从管道内检测装置采集得到的瞬变单轴漏磁场信号数据,并通过数据融合和插值对数据进行处理形成漏磁曲线;
图8为本发明一种实施例漏磁曲线图,本发明实施例采用数据融合技术,利用计算机对按时序获得的若干观测信息,在一定准则下加以自动分析、综合,以完成所需的决策和评估任务而进行的信息处理技术。本发明实施例采用插值的方法用来填充图像变换时像素之间的空隙。在离散数据的基础上补插连续函数,使得这条连续曲线通过全部给定的离散数据点。利用该方法可通过函数在有限个点处的取值状况,估算出函数在其他点处的近似值。
步骤2、在DSP数据处理模块中对检测到的单轴漏磁场信号数据进行去除噪声,信号增强处理;
步骤3、在DSP数据处理模块中将磁场信号通过映射转换为像素信号,转化为灰度图像;
根据传感器的排布特征,求出每两个检测传感器的排列间距,由于使用的是沿圆柱体外表面圆周均匀分布探头的管道漏磁内检测器对管道进行检测,所以检测器沿管道轴向各探头的采样间距为(d0=排布周长/霍尔传感器个数);根据检测器推进速度得出每一路检测数据每个采样点的间隔d'0;由于传感器排布原因导致步骤3中的图像Ⅰ中磁力线之间存在间距d0,本发明实施例采用插值的方法用来填充图像变换时像素之间的空隙,根据插值的程度计算轴向漏磁数据的新的间距为d1,如果在每两组霍尔传感器的监测数据间通过插值算法***n组新数据,那么新的间距
步骤4、在DSP数据处理模块中判断当前单轴漏磁场信号数据中是否存在有缺陷的区域,即此刻检测的值与前一个采样值做差,若差值大于设定值25.6,则对缺陷区域进行特征提取,执行步骤5,若差值小于设定值25.6,则执行步骤9;其中的设定值根据现场情况而定。
步骤5、对步骤4中的图像进行黑白二值滤波处理:设定一个像素阈值P0,若原来的像素P<P0,则将该处的像素置为0;若原来的像素P>P0,则将该处的像素置为1,记为图像Ⅱ。
设一幅图像的灰度值为0~m级,灰度值i的像素为ni,然后用k将其分成两组c0={0~k}和c1={k+1~m},两组间的方差为
μ0,μ1是c0,c1选取阈值为k是的灰度平均值;
从0~m之间改变k,求上式为最大值时的k(即当k=k*时),即求δ2(k)所对应的k*值便是阈值,δ2(k)就是阈值选择函数。
步骤6、在DSP数据处理模块中对图像进行操作,通过使用链码确定单轴漏磁数据图像缺陷的边界;
缺陷边界确定:为了定义区域内部的点和边界点,需要考虑每个经过再次滤波处理后的像素点之间的相邻关系,这些关系可以借助连通规则来描述。通常定义的连通方法有两种:四连通和八连通,图9为本发明实施例四连通和八连通图。四连通只分析直接相邻点的像素连通关系,八连通分析的是目标像素点周围八个像素点之间的连通关系。边界和区域可以用这两种类型的连通来定义,而且他们是互补的,即,如果边界是四连通,那么区域就是八连通,图10为本发明实施例管道缺陷边界和区域图,图中深灰色表示边界,浅灰色表示区域。为了表达轮廓,可以存储图像像素序列的坐标,也可以只存储连续像素之间的关系。假设有一个完全的边界,即一组连接点,从一个像素出发,按顺时针方向找到下一个像素。即下一个像素是某个主要指定方向上相邻点中的一个。然后,只需要把指定下一个像素的连续方向的数字串在一起就形成了链码。
图11为本发明实施例链码的连通性图,图中,A图为四连通示意图,B图为八连通示意图,C图为四连通链码示意图,D图为八连通链码示意图。如图D中,对缺陷边界的像素点进行遍历,找出第一行最右边的点,标记为起始点P0,设为已被标记。根据八连通链码的确定关系按顺时针方向对点P0的相邻8个像素点进行像素扫描,扫描出第一个像素值为黑色的 点标记为P0的相邻点,图中所示为P0方向3上的点,记为P1,同时把点P1设为已被标记。再把P1当做起始点,按顺时针方向对点P1相邻8个点的逐个扫描,得出方向4上的点P2为第一个黑色点,将其记为P1相邻的另一个边界点,同时将点P2设为已被标记。以此类推,直至点P0被确定为最后一个相邻的边界点为止,便可将缺陷边界确定。
步骤7、在DSP数据处理模块中根据已得出缺陷边界的图像和漏磁曲线的采样间距分别求出缺陷的长、宽、周长、面积和深度;
通过步骤6所得到的边界曲线,根据内检测器的运动速度、采样速率和轴向数据的间隔可以求出缺陷的长短轴长,周长,面积和深度。
缺陷的长轴取边界上任意两像素点之间距离的最大值(如图11中D图中的L1);
短轴垂直于长轴方向,计算方法类似(如图11中D图中的L2);
缺陷周长就是围绕缺陷的所有像素点的长度,用缺陷边缘上相邻的两两像素之间的距离之和来表示。因为链码的长度是固定的,在0、4方向链码长度为d'0;在2、6方向链码长度为d1;1、3、5、7方向链码长度为 对缺陷边缘进行遍历,从第一个被标记的像素点开始扫描,然后统计八连通区域内各个边缘像素之间的d'0、d1和d的链码个数,再乘以长度值就得到周长值。
缺陷面积表示了缺陷区域的大小,可以通过统计缺陷内部(包括缺陷边界)所有像素点的数目来求得。
缺陷深度表示了管道被腐蚀的厚度,通过计算缺陷区域内缺陷漏磁场最大强度与缺陷漏磁场最小强度之差可得到漏磁场信号深度D。
步骤8、步骤8、在DSP数据处理模块中对缺陷特征根据分类标准进行分类(分类标准根据现场情况提前确定),并保存结果;
步骤9、在DSP数据处理模块中判断是否继续进行特征分析,若继续,回到步骤4继续执行;若不继续,则结束。
Claims (5)
1.基于单轴漏磁数据的管道缺陷特征提取装置,包括:内检测装置主体、磁铁、单轴霍尔传感器和控制单元电路板,所述的控制单元电路板包括模拟开关、电压跟随器、低通滤波器、AD转换模块、DSP数据处理模块、FPGA和缺陷特征存储器,其特征在于:内检测装置主体呈圆柱体,在其一端设置有第一磁铁,其另一端设置有第二磁铁,第一磁铁和第二磁铁为圆环体,并套于内检测装置主体上,在所述的第一磁铁和第二磁铁之间设置有槽体,所述的槽体为圆环体,该槽体外表面上均匀的设置有凹槽,在所述的槽内设置有单轴霍尔传感器,所述的单轴霍尔传感器的正面垂直于管道径向。
2.根据权利要求1所述的基于单轴漏磁数据的管道缺陷特征提取装置,其特征在于:所述的凹槽的个数为10~40个。
3.根据权利要求1所述的基于单轴漏磁数据的管道缺陷特征提取装置,其特征在于:所述的槽内设置有单轴霍尔传感器的个数为1~12个。
4.根据权利要求1所述的基于单轴漏磁数据的管道缺陷特征提取装置,其特征在于:采用缺陷特征存储器作为数据存储器,只存储缺陷特征数据。
5.一种采用基于单轴漏磁数据的管道缺陷特征提取装置的缺陷特征提取方法,其特征在于:步骤如下:
步骤1、DSP数据处理模块读取从管道内检测装置采集得到的瞬变单轴漏磁场信号数据,并通过数据融合和插值对数据进行处理形成漏磁曲线;
步骤2、在DSP数据处理模块中对检测到的单轴漏磁场信号数据进行去除噪声,信号增强处理;
步骤3、在DSP数据处理模块中将磁场信号通过映射转换为像素信号,转化为灰度图像;
步骤4、在DSP数据处理模块中判断当前单轴漏磁场信号数据中是否存在有缺陷的区域,即此刻检测的值与前一个采样值做差,若差值大于设定值,则对缺陷区域进行特征提取,执行步骤5,若差值小于设定值,则执行步骤9;
步骤5、在DSP数据处理模块中对像素图像进行再次滤波,通过计算设定一个像素阈值,通过此像素阈值对图像进行二值处理,将图像转换为黑白二色图像;
步骤6、在DSP数据处理模块中对图像进行操作,通过使用链码确定单轴漏磁数据图像缺陷的边界;
步骤7、在DSP数据处理模块中根据已得出缺陷边界的图像和漏磁曲线的采样间距分别求出缺陷的长、宽、周长、面积和深度;
步骤8、在DSP数据处理模块中对缺陷特征根据分类标准进行分类,并保存结果;
步骤9、在DSP数据处理模块中若继续进行特征分析,回到步骤4继续执行;若不继续进行特征分析,则结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210177825.1A CN102706955B (zh) | 2012-05-31 | 2012-05-31 | 基于单轴漏磁数据的管道缺陷特征提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210177825.1A CN102706955B (zh) | 2012-05-31 | 2012-05-31 | 基于单轴漏磁数据的管道缺陷特征提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102706955A true CN102706955A (zh) | 2012-10-03 |
CN102706955B CN102706955B (zh) | 2015-04-22 |
Family
ID=46899894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210177825.1A Expired - Fee Related CN102706955B (zh) | 2012-05-31 | 2012-05-31 | 基于单轴漏磁数据的管道缺陷特征提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102706955B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103343885A (zh) * | 2013-06-20 | 2013-10-09 | 西南石油大学 | 管道漏磁检测在线数据压缩方法 |
CN104063588A (zh) * | 2014-06-12 | 2014-09-24 | 东北大学 | 基于多源数据融合的管道腐蚀缺陷尺寸的预测***及方法 |
CN104075735A (zh) * | 2014-07-03 | 2014-10-01 | 湖北航天技术研究院总体设计所 | 惯性测量装置自诊断方法及装置 |
CN106324687A (zh) * | 2016-10-29 | 2017-01-11 | 西南石油大学 | 一种埋地铁质管线探测与精确定位方法及装置 |
CN106404893A (zh) * | 2016-12-16 | 2017-02-15 | 北京华航无线电测量研究所 | 一种轴向漏磁缺陷信号自动检测方法 |
CN106442707A (zh) * | 2016-12-14 | 2017-02-22 | 中国计量大学 | 一种基于低频电磁的金属管道缺陷检测装置 |
CN106537134A (zh) * | 2014-05-18 | 2017-03-22 | 查尔斯斯塔克德雷珀实验室有限公司 | 测量铁磁材料中的缺陷的***和方法 |
CN108982522A (zh) * | 2018-08-09 | 2018-12-11 | 北京百度网讯科技有限公司 | 用于检测管道缺陷的方法和装置 |
CN109697714A (zh) * | 2018-11-26 | 2019-04-30 | 联想(北京)有限公司 | 一种信息检测方法、设备及计算机存储介质 |
CN109765292A (zh) * | 2019-02-18 | 2019-05-17 | 西南石油大学 | 一种管道缺陷精准定位装置 |
CN110006338A (zh) * | 2019-04-28 | 2019-07-12 | 哈尔滨工业大学(深圳) | 一种钢丝绳损伤面积检测方法 |
CN110307796A (zh) * | 2019-06-27 | 2019-10-08 | 南京理工大学 | 一种高动态响应的fbg应变测量装置 |
CN110320222A (zh) * | 2018-03-29 | 2019-10-11 | 波音公司 | 用于管道的反向散射x射线检查*** |
WO2020073407A1 (zh) * | 2018-10-09 | 2020-04-16 | 河海大学 | 一种基于巨磁电阻元件的闸门检测机器人及检测方法 |
CN112228697A (zh) * | 2020-11-04 | 2021-01-15 | 杭州申昊科技股份有限公司 | 一种履带式管道机器人 |
CN112228696A (zh) * | 2020-11-04 | 2021-01-15 | 杭州申昊科技股份有限公司 | 一种气囊式管道机器人 |
US10985467B2 (en) | 2016-05-10 | 2021-04-20 | Novatel Inc. | Stacked patch antennas using dielectric substrates with patterned cavities |
CN114354741A (zh) * | 2022-03-21 | 2022-04-15 | 广东海洋大学 | 一种管道缺陷检测方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5864232A (en) * | 1996-08-22 | 1999-01-26 | Pipetronix, Ltd. | Magnetic flux pipe inspection apparatus for analyzing anomalies in a pipeline wall |
US6023986A (en) * | 1997-03-24 | 2000-02-15 | Bj Services Company | Magnetic flux leakage inspection tool for pipelines |
CN1828219A (zh) * | 2006-04-06 | 2006-09-06 | 上海交通大学 | 海底管道智能检测器 |
CN1942762A (zh) * | 2004-04-15 | 2007-04-04 | Tdw特拉华有限公司 | 用于磁通量泄漏检测工具的id-od识别传感器概念 |
CN101685099A (zh) * | 2008-09-27 | 2010-03-31 | 中国石油化工股份有限公司 | 用于管道内检测装置的探头支架 |
-
2012
- 2012-05-31 CN CN201210177825.1A patent/CN102706955B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5864232A (en) * | 1996-08-22 | 1999-01-26 | Pipetronix, Ltd. | Magnetic flux pipe inspection apparatus for analyzing anomalies in a pipeline wall |
US6023986A (en) * | 1997-03-24 | 2000-02-15 | Bj Services Company | Magnetic flux leakage inspection tool for pipelines |
CN1942762A (zh) * | 2004-04-15 | 2007-04-04 | Tdw特拉华有限公司 | 用于磁通量泄漏检测工具的id-od识别传感器概念 |
CN1828219A (zh) * | 2006-04-06 | 2006-09-06 | 上海交通大学 | 海底管道智能检测器 |
CN101685099A (zh) * | 2008-09-27 | 2010-03-31 | 中国石油化工股份有限公司 | 用于管道内检测装置的探头支架 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103343885A (zh) * | 2013-06-20 | 2013-10-09 | 西南石油大学 | 管道漏磁检测在线数据压缩方法 |
CN103343885B (zh) * | 2013-06-20 | 2015-10-14 | 西南石油大学 | 管道漏磁检测在线数据压缩方法 |
CN106537134A (zh) * | 2014-05-18 | 2017-03-22 | 查尔斯斯塔克德雷珀实验室有限公司 | 测量铁磁材料中的缺陷的***和方法 |
CN104063588A (zh) * | 2014-06-12 | 2014-09-24 | 东北大学 | 基于多源数据融合的管道腐蚀缺陷尺寸的预测***及方法 |
CN104063588B (zh) * | 2014-06-12 | 2017-03-22 | 东北大学 | 基于多源数据融合的管道腐蚀缺陷尺寸的预测方法 |
CN104075735A (zh) * | 2014-07-03 | 2014-10-01 | 湖北航天技术研究院总体设计所 | 惯性测量装置自诊断方法及装置 |
CN104075735B (zh) * | 2014-07-03 | 2017-02-15 | 湖北航天技术研究院总体设计所 | 惯性测量装置自诊断方法及装置 |
US11888242B2 (en) | 2016-05-10 | 2024-01-30 | Novatel Inc. | Stacked patch antennas using dielectric substrates with patterned cavities |
US10985467B2 (en) | 2016-05-10 | 2021-04-20 | Novatel Inc. | Stacked patch antennas using dielectric substrates with patterned cavities |
CN106324687A (zh) * | 2016-10-29 | 2017-01-11 | 西南石油大学 | 一种埋地铁质管线探测与精确定位方法及装置 |
CN106324687B (zh) * | 2016-10-29 | 2019-05-14 | 西南石油大学 | 一种埋地铁质管线探测与精确定位方法 |
CN106442707A (zh) * | 2016-12-14 | 2017-02-22 | 中国计量大学 | 一种基于低频电磁的金属管道缺陷检测装置 |
CN106404893B (zh) * | 2016-12-16 | 2019-05-03 | 北京华航无线电测量研究所 | 一种轴向漏磁缺陷信号自动检测方法 |
CN106404893A (zh) * | 2016-12-16 | 2017-02-15 | 北京华航无线电测量研究所 | 一种轴向漏磁缺陷信号自动检测方法 |
CN110320222A (zh) * | 2018-03-29 | 2019-10-11 | 波音公司 | 用于管道的反向散射x射线检查*** |
CN108982522A (zh) * | 2018-08-09 | 2018-12-11 | 北京百度网讯科技有限公司 | 用于检测管道缺陷的方法和装置 |
WO2020073407A1 (zh) * | 2018-10-09 | 2020-04-16 | 河海大学 | 一种基于巨磁电阻元件的闸门检测机器人及检测方法 |
CN109697714B (zh) * | 2018-11-26 | 2021-08-17 | 联想(北京)有限公司 | 一种信息检测方法、设备及计算机存储介质 |
CN109697714A (zh) * | 2018-11-26 | 2019-04-30 | 联想(北京)有限公司 | 一种信息检测方法、设备及计算机存储介质 |
CN109765292A (zh) * | 2019-02-18 | 2019-05-17 | 西南石油大学 | 一种管道缺陷精准定位装置 |
CN109765292B (zh) * | 2019-02-18 | 2024-03-26 | 西南石油大学 | 一种管道缺陷精准定位方法 |
CN110006338A (zh) * | 2019-04-28 | 2019-07-12 | 哈尔滨工业大学(深圳) | 一种钢丝绳损伤面积检测方法 |
CN110307796A (zh) * | 2019-06-27 | 2019-10-08 | 南京理工大学 | 一种高动态响应的fbg应变测量装置 |
CN112228696A (zh) * | 2020-11-04 | 2021-01-15 | 杭州申昊科技股份有限公司 | 一种气囊式管道机器人 |
CN112228697A (zh) * | 2020-11-04 | 2021-01-15 | 杭州申昊科技股份有限公司 | 一种履带式管道机器人 |
CN114354741A (zh) * | 2022-03-21 | 2022-04-15 | 广东海洋大学 | 一种管道缺陷检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN102706955B (zh) | 2015-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102706955B (zh) | 基于单轴漏磁数据的管道缺陷特征提取方法及装置 | |
CN102798660B (zh) | 基于三轴漏磁与电涡流的管道内外壁缺陷检测装置及方法 | |
CN201600164U (zh) | 一种视频水位计 | |
CN106643965B (zh) | 一种利用模板匹配精确识别液位的方法 | |
CN102192953A (zh) | 低功耗智能三维漏磁检测探头 | |
CN102654479B (zh) | 金属管道腐蚀缺陷全数字化三维漏磁信号采集*** | |
CN109325544B (zh) | 一种基于中层特征的管道异常分类方法 | |
CN111337567B (zh) | 基于涡流和漏磁检测信号融合的缺陷类型评估方法 | |
CN105548350A (zh) | 基于圆角矩形阵列探头的脉冲涡流缺陷检测成像*** | |
CN101603910B (zh) | 一种采用电容式差压传感器的泥沙含量检测*** | |
CN103322928A (zh) | 基于网格点阵的相似模型位移场测量***及方法 | |
Jia | Fabric defect detection based on open source computer vision library OpenCV | |
Shen et al. | A Novel Weld Defect Detection Method for Intelligent Magnetic Flux Leakage Detection System via Contextual Relation Network | |
CN2682415Y (zh) | 金属磁记忆智能检测仪 | |
CN101957458A (zh) | 一种处理超低频数据的方法 | |
CN203178236U (zh) | 一种新型漏磁检测传感器 | |
Meng et al. | Research on reading recognition method of pointer meter based on magnifying the virtual circle | |
Wang | Edge detection of inner crack defects based on improved sobel operator and clustering algorithm | |
CN202676665U (zh) | 一种多激励高灵敏度的电磁探伤传感装置 | |
Huang et al. | Magnetic Flux Leakage: Theories and Imaging Technologies | |
CN202614724U (zh) | 一种多方位高灵敏度的电磁探伤传感装置 | |
CN204102227U (zh) | 磁图像防伪*** | |
CN104007174A (zh) | 一种长输油气管道内检测用传感器阵列 | |
Xu et al. | Rail defect detection method based on BP neural network | |
CN104157071A (zh) | 磁图像防伪***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150422 |
|
CF01 | Termination of patent right due to non-payment of annual fee |