CN106548469A - 一种管道检测方法和装置 - Google Patents
一种管道检测方法和装置 Download PDFInfo
- Publication number
- CN106548469A CN106548469A CN201610900130.XA CN201610900130A CN106548469A CN 106548469 A CN106548469 A CN 106548469A CN 201610900130 A CN201610900130 A CN 201610900130A CN 106548469 A CN106548469 A CN 106548469A
- Authority
- CN
- China
- Prior art keywords
- image information
- pipeline
- information
- real
- time
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请提供的一种管道检测方法和装置,通过获得来自检测机器人的实时管道图像信息,其中所述实时管道图像信息通过所述检测机器人上的摄像头予以获取;获取所述实时管道图像信息中的第一管道图像信息;对所述第一管道图像信息进行判断;当所述第一管道图像信息与第一目标管道图像信息满足预定条件时,判断所述第一管道图像信息为缺陷点;将所述第一管道图像信息在所述实时管道图像信息的所在时间轴增加所述缺陷点标记的方式,达到及时进行缺陷误判的技术效果。
Description
技术领域
本发明涉及管道检测技术领域,特别涉及一种管道检测方法和设备。
背景技术
随着城市建设速度的不断加快,城市规模日益增大,城市配套的地下水***规模也日趋庞大。针对国内管网大都存在资料不全,建设规划不足的特点,地下管网排查和检测一直是市政工作难点。近年来随着管道机器人和潜望镜的发展和推广,管道视频检测成为管道检查和评估的主要手段,由此而生的管道缺陷评估软件成为管道检测行业的主流分析和报告工具。
但是,本申请人在日常工作中发现现有技术中存在如下问题:
本行业在通过上述设备进行管道缺陷评估的过程中,存在缺陷判定不及时,判读速度慢、数据库规模太小、检索和查询速度慢,缺陷判读操作不友善等突出问题。
发明内容
鉴于上述问题,提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的用于一种管道检测方法和装置。
根据本申请实施例第一方面提供一种管道实时检测方法,所述方法包括:获得来自检测机器人的实时管道图像信息,其中所述实时管道图像信息通过所述检测机器人上的摄像头予以获取;获取所述实时管道图像信息中的第一管道图像信息;对所述第一管道图像信息进行判断;当所述第一管道图像信息与第一目标管道图像信息满足预定条件时,判断所述第一管道图像信息为缺陷点;将所述第一管道图像信息在所述实时管道图像信息的所在时间轴增加所述缺陷点标记。
优选的,对对所述第一管道图像信息进行判断还包括:暂停所述实时管道图像信息的播放。
优选的,所述方法还包括:在实时管道图像信息播放过程中,获得第二管道图像信息;对所述第二管道图像信息进行判断;当所述第二管道图像信息与第二目标管道图像信息满足预定条件时,判断所述第二管道图像信息为潜在缺陷点;将所述第二管道图像信息予以报警。
优选的,所述方法还包括:对将所述第一管道图像信息在所述实时管道图像信息的所在时间轴增加所述缺陷点标记,还包括:在所述缺陷点上增加备注信息,所述备注信息用于记录所述缺陷点的说明信息。
优选的,所述方法还包括:获得待检测管道的第一信息;根据所述第一信息确定第一类目标管道图像信息;将所述第一类目标管道图像信息作为所述第一目标管道图像信息或第二目标管道图像信息。
基于同样的发明构思,本发明实施例还提供一种管道实时检测装置,所述装置包括:第一获得单元,所述第一获得单元用于获得来自检测机器人的实时管道图像信息,其中所述实时管道图像信息通过所述检测机器人上的摄像头予以获取;第二获得单元,所述第二获得单元用于获取所述实时管道图像信息中的第一管道图像信息;第一判断单元,所述第一判断单元用于对所述第一管道图像信息进行判断;第一确定单元,所述第一确定单元用于当所述第一管道图像信息与第一目标管道图像信息满足预定条件时,判断所述第一管道图像信息为缺陷点;第一备注单元,所述第一备注单元用于将所述第一管道图像信息在所述实时管道图像信息的所在时间轴增加所述缺陷点标记。
选优的,所述装置还包括:暂停单元,所述暂停单元用于暂停所述实时管道图像信息的播放。
优选的,所述装置还包括:第三获得单元,所述第三获得单元用于在实时管道图像信息播放过程中,获得第二管道图像信息;第二判断单元,所述第二判断单元用于对所述第二管道图像信息进行判断;第二确定单元,所述第二确定单元用于当所述第二管道图像信息与第二目标管道图像信息满足预定条件时,判断所述第二管道图像信息为潜在缺陷点;报警单元,所述第一报警单元用于将所述第二管道图像信息予以报警。
优选的,所述装置还包括:第二备注单元,所述第二备注单元用于在所述缺陷点上增加备注信息,所述备注信息用于记录所述缺陷点的说明信息。
优选的,所述装置还包括:第四获得单元,所述第四获得单元用于获得待检测管道的第一信息;第三确定单元,所述第三确定单元用于根据所述第一信息确定第一类目标管道图像信息;第四确定单元,所述第四确定单元用于将所述第一类目标管道图像信息作为所述第一目标管道图像信息或第二目标管道图像信息。
本申请有益效果如下:
本申请实施例提供的一种管道检测方法和装置,通过获得来自检测机器人的实时管道图像信息,其中所述实时管道图像信息通过所述检测机器人上的摄像头予以获取;获取所述实时管道图像信息中的第一管道图像信息;对所述第一管道图像信息进行判断;当所述第一管道图像信息与第一目标管道图像信息满足预定条件时,判断所述第一管道图像信息为缺陷点;将所述第一管道图像信息在所述实时管道图像信息的所在时间轴增加所述缺陷点标记的方式,达到及时进行缺陷误判的技术效果。
进一步的,本申请实施例通过在判读时,自动停止视频播放的技术手段,达到判读效果佳,用户体验好的技术效果。
进一步的,本申请实施例通过第二管道图像和实时管道图像的比较,获得潜在缺陷点,并进一步判读潜在缺陷点是否为真正缺陷点的逻辑过程,可增加判读的自动性。
进一步的,在缺陷点上增加备注信息,可以进一步提升信息的呈现度,并可以通过备注信息予以分类,提升缺陷点的有效管理。
进一步的,根据待检测管道的不同使用不同的数据库,达到了提升识别效果的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的一种管道实时检测方法的流程示意图;
图2示出了根据本发明又一个实施例的一种管道实时检测设备的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示,本申请实施例提供了一种管道实时检测方法,所述方法包括:
步骤110:获得来自检测机器人的实时管道图像信息,其中所述实时管道图像信息通过所述检测机器人上的摄像头予以获取;
具体而言,在管道实时检测方法中,将检测机器人放入管道中,其中,检测机器人上设置有摄像头,该摄像头可以实时的采集管道中的管道图像信息。在实践过程中,往往是检测机器人在管道中运动,并通过摄像头获得实时管道图像信息后发送给信息接收端。信息接收端接收到相关信息后,进行检测。进一步的,在管道实时监测中,检测人员会携带实时检测设备在检测现场,或者在远程的控制室进行控制,并根据实时发送的管道图像信息进行实时判断,进而达到实时检测并获得检测结果的目的。
步骤120:获取所述实时管道图像信息中的第一管道图像信息;
具体而言,检测机器人在管道中行进过程中,一般传输的是视频流格式。但是,为了判断管道图像信息是否存在缺陷,往往采用的是图像识别技术,即将单个图像和目标图像进行比对,并根据比对结果来进行判定的方式。所以,本步骤120是通过获取实时视频流中的单个图像的方式予以获得第一管道图像信息。
步骤130:对所述第一管道图像信息进行判断;
具体而言,该步骤是对获得第一管道图像信息进行判断,其判断方式是和目标管道图像信息进行比较。一般而言,目标管道图像信息会存储在数据库中,其中,目标管道图像信息可以是管道中存在的种种典型问题的管道图像信息,比如管道破裂,管道老化,管道连接处破损,管道堵塞等管道图像信息。对应上述典型问题中的各种常见类型会建立为目标管道图像信息,以用于对第一管道图像信息的识别。在具体的管道识别方式上,可以采用两种方式,第一种方式是人工方式,具体为:检测人员在获得第一管道图像信息或者摄像头发送的视频流后,通过人工判定的方式,予以判定相关内容,进而确定是否为管道中存在的种种问题,进而标记。该种人工方式一方面需要检测人员的丰富的经验,另一方面也存在费人工,准确性差的问题。在该种方式中,由于人工判定需要多次判定或者慢动作等方式予以判定摄像头发送的视频流是否是目标问题,所以在这个过程中,可以通过暂停视频的方式,或者采用缓存数据的方式予以解决。第二种方式是自动方式,即通过图像识别和图像比较技术,判定所述第一管道图像信息和目标管道图像信息之间的相似度,并得出具体的结论。该种方式具有自动化、人工介入少,检测准确等优点。
步骤140:当所述第一管道图像信息与第一目标管道图像信息满足预定条件时,判断所述第一管道图像信息为缺陷点;
具体而言,判定第一管道图像信息与第一目标管道图像信息满足预定条件可以是判定上述两个图像信息的相似度,比如可以设定为80%以上为满足预定条件,也可以设定50%以上为满足预定条件,这个预定条件的设定是根据现实需要、数据库、识别技术等予以动态考虑。
步骤150:将所述第一管道图像信息在所述实时管道图像信息的所在时间轴增加所述缺陷点标记。
具体来说,当上述预定条件满足时,则在相应的时间轴标记所述缺陷点。上述时间轴上标记主要是指:由于摄像头获得的是视频流,第一管道图像信息是在上述视频流中截取的一个点,所以,该第一管道图像信息在该视频流中具有具体的位置,具体体现方式为在视频流的时间轴上的一个单点的方式予以体现。在自动判定方式中,可以是在判定出第一管道图像信息后即自动在时间轴上自动增加所述缺陷点。在人工判定方式中,可以人工手动在标记,具体可以是在管道检测软件中,通过点击缺陷标记按钮,或者通过快捷键的方式予以自动标记。进一步的,在上述标记缺陷点的地方,可以增加备注的方式予以解释该缺陷点。该备注信息用于记录所述缺陷点的说明信息。比如可以增加缺陷类型,具体可以是破损,堵塞,连接点问题等;也可以是具体判定逻辑,具体可以是图像比对95%,图像比对59%等;也可以是检测时间点,比如是2016年7月3日上午9点05分等内容。
为了更好的实现自动识别和人工识别之间的有机统一,本申请还提供了一种管道实时监测方法,具体内容如下:
在自动识别和人工识别的优劣势来看,自动识别的效率高,但是缺陷类型是不断发展变化的,而自动识别又是靠数据库中的已有缺陷类型来判定的,对于数据库中没有的缺陷类型,自动识别又是不能识别的。同时,人工识别虽然效率低,但是灵活度高,通过检测人员的人工判定,能够实现新的缺陷类型被及时发现的效果。所以,本实施例提供了一种自动识别和人工识别相结合的一种管道实时检测方法,还包括:
步骤210:在实时管道图像信息播放过程中,获得第二管道图像信息;
步骤220:对所述第二管道图像信息进行判断;
步骤230:当所述第二管道图像信息与第二目标管道图像信息满足预定条件时,判断所述第二管道图像信息为潜在缺陷点;
步骤240:将所述第二管道图像信息予以报警。
具体而言,本实施例提供方案是通过第二目标管道图像信息和第二管道图像信息的比较,获得潜在缺陷点,即该潜在缺陷点可能是真正的缺陷点,也可能不是缺陷点。本实施例通过将潜在缺陷点识别出来后,通过人工的方式予以再次判定,进而实现自动识别不能确定的缺陷点予以找出并确定。
其中,第二目标管道图像信息可以是比第一目标管道图像信息数量更多的信息;或者第二目标管道图像信息是类型化的缺陷点信息,比如将破损的类型予以上位化的信息,具体可以是大于0.1mm的洞均认为是破损的类型;或者通过改变预定条件的方式予以实现,即对于第一目标管道图像信息的预设条件是80%时,对于潜在缺陷点定为70%,这样可以增加10%的潜在缺陷点的人工判断。
其中,所述报警的方式可以是多种,比如发送该第二管道图像信息到目标地址;比如对该第二管道图像信息在时间轴上进行特定标记,如高亮,闪烁,或者将该第二管道信息的缩略图显示在时间轴的相应位置上;或者直接在用户操作界面上进行警报动作,如声音,图像闪烁灯方式。另外,该报警的方式还可以是自动发送到与第一目标管道图像进行比对的逻辑中,即满足在第二目标管道图像的预定条件时,发送给与第一目标管道图像比对,进而判定该第二管道图像信息是否真正是缺陷点;此时,当与第一目标管道图像比较仍不能判定为缺陷点时,进而发送个用户,即通过人工判定的方式确定该第二管道图像信息是否为缺陷点,通过该种方式可以将较为模糊的,或者尚未进入第一目标管道图像的缺陷点予以有效判定,进一步的,在确定为缺陷点后,可以通过人工判定的方式将其归入第一目标管道图像数据库中,以便在后续检测中提升检测效果。
为了更好的实现目标管道图像信息,进而提升缺陷点的判定成功率,故,本申请实施例还提供了一种目标管道图像信息的获得方法,具体包括:
步骤310:获得待检测管道的第一信息;
步骤320:根据所述第一信息确定第一类目标管道图像信息;
步骤330:将所述第一类目标管道图像信息作为所述第一目标管道图像信息或第二目标管道图像信息。
具体而言,通过上述步骤310、320、330可以根据待检测管道的特点或者需求,针对性的确定不同的目标管道图像信息,比如说,对于沙漠地区的待检测管道,由于其缺陷类型不同,所以可以选择沙漠地区的第一类目标管道图像信息;比如说,对于城市管网中的待检测管道,由于其缺陷类型的不同,所以可以选择城市管网的第二类目标管道图像信息。
如图2所示,为了更好的解决本申请所面临的技术问题,本申请实施例还提供了一种管道实时检测装置,所述装置包括:
第一获得单元11,所述第一获得单元11用于获得来自检测机器人的实时管道图像信息,其中所述实时管道图像信息通过所述检测机器人上的摄像头予以获取;
第二获得单元12,所述第二获得单元12用于获取所述实时管道图像信息中的第一管道图像信息;
第一判断单元13,所述第一判断单元13用于对所述第一管道图像信息进行判断;
第一确定单元14,所述第一确定单元14用于当所述第一管道图像信息与第一目标管道图像信息满足预定条件时,判断所述第一管道图像信息为缺陷点;
第一备注单元15,所述第一备注单元15用于将所述第一管道图像信息在所述实时管道图像信息的所在时间轴增加所述缺陷点标记。
进一步的,所述装置还包括:暂停单元,所述暂停单元用于暂停所述实时管道图像信息的播放。
进一步的,所述装置还包括:
第三获得单元,所述第三获得单元用于在实时管道图像信息播放过程中,获得第二管道图像信息;
第二判断单元,所述第二判断单元用于对所述第二管道图像信息进行判断;
第二确定单元,所述第二确定单元用于当所述第二管道图像信息与第二目标管道图像信息满足预定条件时,判断所述第二管道图像信息为潜在缺陷点;
报警单元,所述报警单元用于将所述第二管道图像信息予以报警。
进一步的,所述装置还包括:
第二备注单元,所述第二备注单元用于在所述缺陷点上增加备注信息,所述备注信息用于记录所述缺陷点的说明信息。
进一步的,所述装置还包括:
第四获得单元,所述第四获得单元用于获得待检测管道的第一信息;
第三确定单元,所述第三确定单元用于根据所述第一信息确定第一类目标管道图像信息;
第四确定单元,所述第四确定单元用于将所述第一类目标管道图像信息作为所述第一目标管道图像信息或第二目标管道图像信息。
本申请有益效果如下:
本申请提供的一种管道检测方法和装置,通过获得来自检测机器人的实时管道图像信息,其中所述实时管道图像信息通过所述检测机器人上的摄像头予以获取;获取所述实时管道图像信息中的第一管道图像信息;对所述第一管道图像信息进行判断;当所述第一管道图像信息与第一目标管道图像信息满足预定条件时,判断所述第一管道图像信息为缺陷点;将所述第一管道图像信息在所述实时管道图像信息的所在时间轴增加所述缺陷点标记的方式,达到及时进行缺陷误判的技术效果。
进一步的,本申请实施例通过在判读时,自动停止视频播放的技术手段,达到判读效果佳,用户体验好的技术效果。
进一步的,本申请实施例通过第二管道图像和实时管道图像的比较,获得潜在缺陷点,并进一步判读潜在缺陷点是否为真正缺陷点的逻辑过程,可增加判读的自动性。
进一步的,在缺陷点上增加备注信息,可以进一步提升信息的呈现度,并可以通过备注信息予以分类,提升缺陷点的有效管理。
进一步的,根据待检测管道的不同使用不同的数据库,达到了提升识别效果的技术效果。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种管道实时检测方法,所述方法包括:
获得来自检测机器人的实时管道图像信息,其中所述实时管道图像信息通过所述检测机器人上的摄像头予以获取;
获取所述实时管道图像信息中的第一管道图像信息;
对所述第一管道图像信息进行判断;
当所述第一管道图像信息与第一目标管道图像信息满足预定条件时,判断所述第一管道图像信息为缺陷点;
将所述第一管道图像信息在所述实时管道图像信息的所在时间轴增加所述缺陷点标记。
2.如权利要求1所述的方法,其特征在于,对对所述第一管道图像信息进行判断还包括:
暂停所述实时管道图像信息的播放。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
在实时管道图像信息播放过程中,获得第二管道图像信息;
对所述第二管道图像信息进行判断;
当所述第二管道图像信息与第二目标管道图像信息满足预定条件时,判断所述第二管道图像信息为潜在缺陷点;
将所述第二管道图像信息予以报警。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:对将所述第一管道图像信息在所述实时管道图像信息的所在时间轴增加所述缺陷点标记,还包括:
在所述缺陷点上增加备注信息,所述备注信息用于记录所述缺陷点的说明信息。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
获得待检测管道的第一信息;
根据所述第一信息确定第一类目标管道图像信息;
将所述第一类目标管道图像信息作为所述第一目标管道图像信息或第二目标管道图像信息。
6.一种管道实时检测装置,所述装置包括:
第一获得单元,所述第一获得单元用于获得来自检测机器人的实时管道图像信息,其中所述实时管道图像信息通过所述检测机器人上的摄像头予以获取;
第二获得单元,所述第二获得单元用于获取所述实时管道图像信息中的第一管道图像信息;
第一判断单元,所述第一判断单元用于对所述第一管道图像信息进行判断;
第一确定单元,所述第一确定单元用于当所述第一管道图像信息与第一目标管道图像信息满足预定条件时,判断所述第一管道图像信息为缺陷点;
第一备注单元,所述第一备注单元用于将所述第一管道图像信息在所述实时管道图像信息的所在时间轴增加所述缺陷点标记。
7.如权利要求6所述的装置,其特征在于,所述装置还包括:
暂停单元,所述暂停单元用于暂停所述实时管道图像信息的播放。
8.如权利要求6所述的装置,其特征在于,所述装置还包括:
第三获得单元,所述第三获得单元用于在实时管道图像信息播放过程中,获得第二管道图像信息;
第二判断单元,所述第二判断单元用于对所述第二管道图像信息进行判断;
第二确定单元,所述第二确定单元用于当所述第二管道图像信息与第二目标管道图像信息满足预定条件时,判断所述第二管道图像信息为潜在缺陷点;
报警单元,所述报警单元用于将所述第二管道图像信息予以报警。
9.如权利要求8所述的装置,其特征在于,所述装置还包括:
第二备注单元,所述第二备注单元用于在所述缺陷点上增加备注信息,所述备注信息用于记录所述缺陷点的说明信息。
10.如权利要求9所述的装置,其特征在于,所述装置还包括:
第四获得单元,所述第四获得单元用于获得待检测管道的第一信息;
第三确定单元,所述第三确定单元用于根据所述第一信息确定第一类目标管道图像信息;
第四确定单元,所述第四确定单元用于将所述第一类目标管道图像信息作为所述第一目标管道图像信息或第二目标管道图像信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610900130.XA CN106548469A (zh) | 2016-10-14 | 2016-10-14 | 一种管道检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610900130.XA CN106548469A (zh) | 2016-10-14 | 2016-10-14 | 一种管道检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106548469A true CN106548469A (zh) | 2017-03-29 |
Family
ID=58368708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610900130.XA Pending CN106548469A (zh) | 2016-10-14 | 2016-10-14 | 一种管道检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106548469A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122719A (zh) * | 2017-04-07 | 2017-09-01 | 北京讯腾智慧科技股份有限公司 | 基于图像识别的管道形变自动识别***和方法 |
CN107483835A (zh) * | 2017-09-25 | 2017-12-15 | 黄亮清 | 一种管道电视检测***的检测方法 |
WO2021092135A1 (en) * | 2019-11-06 | 2021-05-14 | Saudi Arabian Oil Company | Robotic inspection device for tank and pipe inspections |
CN113050581A (zh) * | 2021-04-01 | 2021-06-29 | 福建宏威生物科技有限公司 | 一种数字化鱼粉制取***及其工艺 |
US11277573B2 (en) | 2018-12-07 | 2022-03-15 | Nabors Drilling Technologies Usa, Inc. | Systems and methods for monitoring drill strings |
CN114331956A (zh) * | 2021-11-16 | 2022-04-12 | 武汉中仪物联技术股份有限公司 | 管道检测方法、装置、电子设备及存储介质 |
US11526168B2 (en) | 2019-11-14 | 2022-12-13 | Saudi Arabian Oil Company | Robotic inspection of in-service tanks through lower wall |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6842534B1 (en) * | 2000-09-28 | 2005-01-11 | Itt Manufacturing Enterprises, Inc. | Detecting material failures in ground locations |
CN1608273A (zh) * | 2001-12-22 | 2005-04-20 | 哈利伯顿能源服务公司 | 使用图像模式识别的卷曲管道检测*** |
CN101354361A (zh) * | 2007-07-27 | 2009-01-28 | 水资源技术株式会社 | 不中止供水而对管道拍照的装置及控制该装置的*** |
CN102809348A (zh) * | 2012-07-25 | 2012-12-05 | 杭州先临三维科技股份有限公司 | 管道检测装置及其检测方法 |
CN105100920A (zh) * | 2015-08-31 | 2015-11-25 | 北京奇艺世纪科技有限公司 | 一种视频预览的方法和装置 |
CN105511495A (zh) * | 2016-02-15 | 2016-04-20 | 国家电网公司 | 电力线路无人机智能巡检控制方法和*** |
-
2016
- 2016-10-14 CN CN201610900130.XA patent/CN106548469A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6842534B1 (en) * | 2000-09-28 | 2005-01-11 | Itt Manufacturing Enterprises, Inc. | Detecting material failures in ground locations |
CN1608273A (zh) * | 2001-12-22 | 2005-04-20 | 哈利伯顿能源服务公司 | 使用图像模式识别的卷曲管道检测*** |
CN101354361A (zh) * | 2007-07-27 | 2009-01-28 | 水资源技术株式会社 | 不中止供水而对管道拍照的装置及控制该装置的*** |
CN102809348A (zh) * | 2012-07-25 | 2012-12-05 | 杭州先临三维科技股份有限公司 | 管道检测装置及其检测方法 |
CN105100920A (zh) * | 2015-08-31 | 2015-11-25 | 北京奇艺世纪科技有限公司 | 一种视频预览的方法和装置 |
CN105511495A (zh) * | 2016-02-15 | 2016-04-20 | 国家电网公司 | 电力线路无人机智能巡检控制方法和*** |
Non-Patent Citations (2)
Title |
---|
何存富 等: ""基于CCD的管内移动机器人管道缺陷检测***", 《机械与电子》 * |
张爱民: "基于混合编程的管道视频探测插值与融合实现", 《图像与多媒体技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122719A (zh) * | 2017-04-07 | 2017-09-01 | 北京讯腾智慧科技股份有限公司 | 基于图像识别的管道形变自动识别***和方法 |
CN107483835A (zh) * | 2017-09-25 | 2017-12-15 | 黄亮清 | 一种管道电视检测***的检测方法 |
US11277573B2 (en) | 2018-12-07 | 2022-03-15 | Nabors Drilling Technologies Usa, Inc. | Systems and methods for monitoring drill strings |
WO2021092135A1 (en) * | 2019-11-06 | 2021-05-14 | Saudi Arabian Oil Company | Robotic inspection device for tank and pipe inspections |
US11415260B2 (en) | 2019-11-06 | 2022-08-16 | Saudi Arabian Oil Company | Robotic inspection device for tank and pipe inspections |
US11526168B2 (en) | 2019-11-14 | 2022-12-13 | Saudi Arabian Oil Company | Robotic inspection of in-service tanks through lower wall |
CN113050581A (zh) * | 2021-04-01 | 2021-06-29 | 福建宏威生物科技有限公司 | 一种数字化鱼粉制取***及其工艺 |
CN114331956A (zh) * | 2021-11-16 | 2022-04-12 | 武汉中仪物联技术股份有限公司 | 管道检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106548469A (zh) | 一种管道检测方法和装置 | |
KR102008973B1 (ko) | 딥러닝 기반의 하수도관 내부 결함 탐지 장치 및 방법 | |
US12039712B2 (en) | Underground infrastructure feature identification using multi-sensor inspection data analysis | |
Zhu et al. | Machine vision-based concrete surface quality assessment | |
CN111401419A (zh) | 基于改进RetinaNet的员工着装规范检测方法 | |
Myrans et al. | Automated detection of faults in wastewater pipes from CCTV footage by using random forests | |
CN1608273A (zh) | 使用图像模式识别的卷曲管道检测*** | |
EP3945458A1 (en) | Identification of defect types in liquid pipelines for classification and computing severity thereof | |
KR101607078B1 (ko) | 비전을 이용한 지중관로의 곡률 측정 및 맵핑 방법 | |
JP7333511B2 (ja) | 道路維持管理システム、舗装種別判定装置、修繕優先度判定装置、道路維持管理方法、舗装種別判定方法、修繕優先度判定方法 | |
US20230101112A1 (en) | Technology configured to enable fault detection and condition assessment of underground stormwater and sewer pipes | |
CN108334607A (zh) | 一种埋地管道外防腐层破损探测方法及*** | |
CN113763363A (zh) | 一种排水管道破裂缺陷检测及等级评定方法 | |
CN110285329A (zh) | 一种生态管网管理方法、***及用于该***的管道机器人 | |
CN106996785A (zh) | 一种对导航数据进行更新的方法及装置 | |
CN114612735A (zh) | 基于深度学习的吊钩防脱装置检测方法 | |
CN113222947B (zh) | 一种非金属材料焊接缺陷智能检测方法及*** | |
CN116664984A (zh) | 一种基于机器视觉的排水管道缺陷检测方法及*** | |
CN111768317A (zh) | 一种实验操作评分方法、装置及设备 | |
CN116245498A (zh) | 光缆路由标识检测方法、装置,及电子设备 | |
Chae et al. | Computerized sewer pipe condition assessment | |
Myrans et al. | Combining classifiers to detect faults in wastewater networks | |
CN115272898A (zh) | 基于管网无人机巡检视频的识别方法、装置、介质和设备 | |
CN106777078A (zh) | 一种基于信息数据库的视频检索方法和*** | |
Bairaktaris et al. | Decision-support system for the rehabilitation of deteriorating sewers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170329 |
|
RJ01 | Rejection of invention patent application after publication |