CN114002222B - 一种用于在役管线的智能探伤装置、***及其方法 - Google Patents
一种用于在役管线的智能探伤装置、***及其方法 Download PDFInfo
- Publication number
- CN114002222B CN114002222B CN202010736144.9A CN202010736144A CN114002222B CN 114002222 B CN114002222 B CN 114002222B CN 202010736144 A CN202010736144 A CN 202010736144A CN 114002222 B CN114002222 B CN 114002222B
- Authority
- CN
- China
- Prior art keywords
- service pipeline
- temperature
- pipeline
- infrared
- flaw detection
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title abstract description 16
- 230000007547 defect Effects 0.000 claims abstract description 52
- 238000007689 inspection Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 239000012530 fluid Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000024121 nodulation Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/048—Marking the faulty objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种用于在役管线的智能探伤装置、***及其方法,包括:手持红外相机,用以获取所述在役管线外表面的红外温度图像;环境温度传感器,用以获取所述在役管线周边的环境温度数据;移动智能终端,根据所述红外温度图像中显示出所述在役管线外表面出现与缺陷对应的温度异常形状,判断所述在役管线上是否具有缺陷。所述移动智能终端从所述服务器上获取所述PLC工控机中所述在役管线的工作状态,由所述移动智能终端比较所述温度数据与所述红外温度图像数据的温度差,判断所述温度差是否超出阀值,若超出阀值,则判定所述在役管线上具有缺陷。本发明解决了现有人工巡检方式无法在运行中快速巡检并及时发现管线初期问题及时预警等问题。
Description
技术领域
本发明涉及在役管线检测的技术领域,更具体地说,涉及一种用于在役管线的智能探伤装置、***及其方法。
背景技术
在钢铁企业生产中,能介管线是一种重要的生产装备,实现了气体、液体,甚至气液、液固两相,甚至三相物质的输送功能。由于管线内在的缺陷、磨损、腐蚀、高温、外力等因素的长期作用,易于造成管线的故障或损坏,进而造成生产停滞、传输物质的泄漏、环境污染等恶劣影响。
在役管线经过长期运行,内部往往会出现缺陷、损伤,由于生产现场的管线分布范围广,形状、尺寸、工况、环境相差很大,需要监控、探伤的检测点非常多。传统的在役管线一般通过利用普通的可见光监控相机,采用人工巡检方式进行检测,在线边走边听、看、敲击等方法巡检,或在役管线发生泄漏或堵塞后发现管道出现的了问题,才能发现管线存在问题。无法在运行中快速巡检和及时发现管线初期问题及时预警。
在现有的专利申请中,如专利申请号201010187305.X公开了小温差条件下借助辅助热源识别热工缺陷的方法,利用红外热源加热墙面,并检查缺陷。但该专利技术需要专业的加热设备,而且不能从既往数据中得到对比信息。
发明内容
针对现有技术中存在的上述缺陷,本发明的目的是提供一种用于在役管线的智能探伤装置、***及其方法,解决了现有人工巡检方式无法在运行中快速巡检并及时发现管线初期问题及时预警等问题。
为实现上述目的,本发明采用如下技术方案:
一方面,一种用于在役管线的智能探伤装置,包括:
手持红外相机,用以获取所述在役管线外表面的红外温度图像;
环境温度传感器,用以获取所述在役管线周边的环境温度数据;
移动智能终端,用以显示所述红外温度图像和所述环境温度数据,并根据所述红外温度图像中显示出所述在役管线外表面出现与缺陷对应的温度异常形状,判断所述在役管线上是否具有缺陷。
另一方面,一种基于所述的智能探伤装置的智能探伤***,包括:
流量传感器,用以获取所述在役管线内部介质的流量数据;
压力传感器,用以获取所述在役管线内部介质的压力数据;
温度传感器,用以获取所述在役管线内部介质的温度数据;
PLC工控机,用以接收所述在役管线的工作状态,即所述流量数据、所述压力数据和所述温度数据;
服务器,用以获取所述PLC工控机中所述在役管线的工作状态,并与所述移动智能终端建立无线通讯连接,以存储所述手持红外相机获取的所述红外温度图像数据;
所述移动智能终端又从所述服务器上获取所述PLC工控机中所述在役管线的工作状态,由所述移动智能终端比较所述温度数据与所述手持红外相机所获取的所述红外温度图像数据的温度差,判断所述温度差是否超出阀值,若超出阀值,则判定所述在役管线上具有缺陷。
较佳的,所述服务器为基础自动化管理服务器或检测管理服务器。
较佳的,所述无线通讯为云服务、移动互联网或5G。
再一方面,一种基于所述的智能探伤装置、智能探伤***的智能探伤方法,其特征在于:所述手持红外相机获取所述在役管线不同位置的一组所述红外温度图像数据,通过所述移动智能终端显示所述红外温度图像,根据所述红外温度图像所显示的温度差异直接判断所述在役管线是否存在缺陷;和/或
所述移动智能终端从所述服务器获得所述在役管线的工作状态,与当前所述手持红外相机所获取的红外温度图像数据进行对比,并再结合所述在役管线的所述红外温度图像历史数据,最终判断所述在役管线是否存在缺陷。
较佳的,所述智能探伤方法进一步包括以下步骤:
1)巡检员到达待检所述在役管线的工位;
2)通过所述手持红外相机获取所述在役管线不同位置的一组所述红外温度图像数据;
3)通过所述移动智能终端显示所述红外温度图像,根据所述红外温度图像所显示的温度差异直接判断所述在役管线是否存在缺陷,若是,则进行精确探伤,若否,则进入步骤4);
4)通过所述环境温度传感器获取所述在役管线周边的环境温度数据;
5)所述移动智能终端从所述服务器获得所述在役管线的温度数据;
6)所述移动智能终端比较所述温度数据与所述红外温度图像数据的温度差,判断所述温度差是否超出设定的阀值,若是,则进行精确探伤,若否,则进入步骤7);
7)将当前所述手持红外相机获取的所述红外温度图像数据存入所述服务器;
8)结束本工位的检测,去下一个工位进行检测。
较佳的,所述步骤3)和/或步骤6)中,所述精确探伤为采用超声探伤方法进行探伤。
较佳的,所述步骤6)中,设定的阀值包括设定黄牌警告阀值,和设定红牌报警阀值。
较佳的,所述步骤6)中,所述温度差若未超出所述设定黄牌警告阀值,则进入步骤7),若超出所述设定黄牌警告阀值,则再判定是否超出所述设定红牌报警阀值。
较佳的,所述温度差若未超出所述设定红牌报警阀值,则进入步骤7),若超出所述设定红牌报警阀值,则进行精确探伤。
在上述的技术方案中,本发明所提供的一种用于在役管线的智能探伤装置、***及其方法,能够实现快速巡检。通过红外图像与数据采集匹配,结合计算机信息处理***,通过移动智能终端处理数据,形成一套完整的低成本管线状态监控***。利用图像处理技术分析出在役管线红外温度图像中疑似缺陷与正常区域的温差大小,结合在役管线中介质与环境温差的大小,通过两者之间的比例关系设置阈值,自动形成黄牌警告、红牌报警的自动预警功能,并自动匹配从管线监控服务器获得管线的历史红外温度图片数据,与当前的在役管线红外图像进行比对,综合快速判断缺陷的种类,反馈问题严重程度,为在钢铁生产企业的能介管线的正常运行起到很大保障作用。另外,整个装置***结构简单,可以在原有巡检设备的基础上进行改进,成本低廉,实用性强,便于普及和推广。
附图说明
图1是本发明用于在役管线的智能探伤装置的组成示意图;
图2是根据本发明装置中红外温度图像所显示的温度差异直接判断在役管线是否存在缺陷的示意图,其中,(a)为管线缺陷后期的红外图像,(b)为管线缺陷初期的红外图像,(c)为管线无缺陷的红外图像,(d)为管线内部缺陷的红外图像;
图3是本发明智能探伤***的组成示意图;
图4是本发明智能探伤方法的流程示意图;
图5是本发明智能探伤方法中图像检测温差与环境实际温差的匹配关系示意图;
图6是本发明智能探伤方法中手持红外相机获取在役管线不同位置的一组红外温度图像的示意图;
图7是图6中对应不同位置手持红外相机所获取的图像示意图,其中(a)为对应图6中位置一的手持红外相机,(b)为对应图6中位置二的手持红外相机;
图8是采用本发明装置、***和方法实施例1所获取的红外温度图像的示意图;
图9是采用本发明装置、***和方法实施例2所获取的红外温度图像的示意图;
图10是采用本发明装置、***和方法实施例3所获取的红外温度图像的示意图。
具体实施方式
下面结合附图和实施例进一步说明本发明的技术方案。
请结合图1所示,本发明所提供的一种用于在役管线的智能探伤装置,包括:
手持红外相机1,用以获取在役管线外100表面的红外温度图像;
环境温度传感器2,用以获取在役管线100周边的环境温度数据;
移动智能终端3,用以显示红外温度图像和环境温度数据,并根据红外温度图像中显示出在役管线100外表面出现与缺陷200对应的温度异常形状,根据该温度异常形状通过巡检员的经验或AI识别技术可直接判断在役管线100上是否具有缺陷200。
一般的红外相机价格比较昂贵,无法在每条管线每个管段采用固定的模式安装红外相机。所以,通过手持红外相机1(可选用手持式长波红外相机)逐段巡检在役管线100外表面的红外温度图像,是比较经济的。
通过手持红外相机1获得在役管线100表面的红外温度图像,当在役管线100的内外表面存在温度差时,由于在役管线100缺陷处的壁厚、材质发生改变,造成导热效果发生变化,最终在在役管线100外表缺陷位置的表面温度与正常位置的温度产生一定的差异。整体表现为在役管线100的红外温度图像在缺陷位置出现了与缺陷对应的温度异常形状,温度异常的程度与缺陷的严重程度有关。请结合图2所示,(a)为管线缺陷后期的红外图像,(b)为管线缺陷初期的红外图像,(c)为管线无缺陷的红外图像,(d)为管线内部缺陷的红外图像。在缺陷200发生的早期,导热情况变化比较小;在役管线100表面温度变化,在后期,导热情况变化比较大,缺陷200特征比较明显。
请结合图3所示,本发明所提供的一种用于在役管线的智能探伤***,包括:
流量传感器4,安装于现场机电设备上,用以获取在役管线100内部介质的流量数据;
压力传感器5,安装于现场机电设备上,用以获取在役管线100内部介质的压力数据;
温度传感器6,安装于现场机电设备上,用以获取在役管线100内部介质的温度数据;
PLC工控机7,用以接收在役管线100的工作状态,即为流量数据、压力数据和温度数据;
服务器8,用以获取PLC工控机7中在役管线100的工作状态,并与移动智能终端3建立无线通讯9连接,以存储手持红外相机1获取的红外温度图像数据;
移动智能终端3从服务器8上获取PLC工控机7中在役管线100的工作状态(特别是流量数据和温度数据),由移动智能终端3比较温度数据与手持红外相机1所获取的红外温度图像数据的温度差,通过AI、人工等方式判断温度差是否超出阀值,若超出阀值较大时,则判定在役管线100上具有缺陷。
服务器8可利用现有的基础自动化管理服务器,或专门新增一台检测管理服务器。
无线通讯9方式可以为云服务技术、移动互联网或5G。
本发明所提供的一种用于在役管线的智能探伤方法,手持红外相机1获取在役管线100不同位置的一组红外温度图像数据,通过移动智能终端3显示红外温度图像,根据红外温度图像所显示的温度差异通过AI、人工等方式可直接判断在役管线100是否存在缺陷200;和/或
移动智能终端3通过无线通讯9从服务器8获得在役管线100的工作状态(特别是流量数据和温度数据),与当前手持红外相机1所获取的红外温度图像数据进行对比,并再结合在役管线100的红外温度图像历史数据,通过AI、人工等方式最终判断在役管线100是否存在缺陷200。
请结合图4所示,巡检员采用本发明方法按照以下步骤在每个管线检测工位逐段对在役管线100进行检测:
1)巡检员到达待检在役管线100的工位;
2)通过手持红外相机1获取在役管线100不同位置上的一组红外温度图像数据;
3)通过移动智能终端3显示红外温度图像,根据红外温度图像所显示的温度差异通过AI、人工等方式直接判断在役管线100是否存在缺陷,若是,则采用超声探伤方法进行精确探伤,若否,则进入步骤4);
4)通过环境温度传感器2获取在役管线100周边的环境温度数据;
5)移动智能终端3通过无线通讯9从服务器8获得在役管线100的温度数据;
6)移动智能终端3比较温度数据与红外温度图像数据的温度差,判断温度差是否超出设定的黄牌警告阀值,若是,则再判定是否超出设定红牌报警阀值,若否,则进入步骤7);温度差若未超出设定的红牌报警阀值,则进入步骤7),若超出设定的红牌报警阀值,则采用超声探伤方法进行精确探伤;
7)将当前手持红外相机1获取的红外温度图像数据通过无线通讯9存入服务器8的历史数据库;
8)结束本工位的检测,去下一个工位进行检测。
本发明方法通过红外图像温度差识别在役管线100上缺陷200的校准因素有以下两点:
1)在役管线100内部介质与环境温度之间的温差
通过管线红外温度图像中疑似缺陷与正常区域的检测出的温差大小,与在役管线100内部介质与环境温差的大小大致呈正比关系,对于比较高的实际温差,图像疑似缺陷。
请结合图5所示,在实际温差ΔtR与图形检测温差ΔtI构成的平面图形中,只有高于某个比例关系时,才会形成黄牌警告,这个比例关系构成的区域以上形成黄牌警告区域。当实际温差ΔtR与图形检测温差ΔtI构成的平面图形中,只有高于更高的比例关系时,会形成红牌严重报警,这个区域是红牌报警区域。
2)消除在役管线100周围高温物体的红外反光
请结合图6所示,由于在役管线100附近的大型装备400很多,这些装备400在工作时,多半也会伴随高温,它们会在在役管线100的温度图像上形成反光现象,反光的影响如图7所示,高温设备反光300与缺陷200造成在役管线100的表面温度变化有一定的相似之处,而红外温度图像与可见光图像区别较大,红外反光与实际对象容易混淆,非常易于误判。
利用红外反光温度图像随着手持红外相机1位置、角度而变化的特点,通过调整手持红外相机1的位置(如图6所示),获得多张红外图像。又如图7所示,反光300引起的在役管线100红外温度图像变化,会随着手持红外相机1位置的变化,而相对于在役管线100发生变化,而在役管线100上缺陷200本身不会相对于在役管线100改变,据此可以判断出在役管线100周边高温装备400红外反光300引起的伪缺陷。
综上所述,本发明利用在役管线出现故障时其壁厚通常发生改变的现象,当在役管线输送物质与周围环境的温度差,导热不均匀或与正常状态发生改变,在役管线的表面温度将发生变化。本发明通过长波红外图像技术获得在役管线表面温度,并且通过直接或间接的手段获得在役管道内流体的温度、流量状态。当在役管线内的流体温度与在役管线外的环境温度不同时,如果在役管线表面温度图像非常均匀,并且与平时一致无异常,则说明在役管线状态正常状态。如果在役管线表面温度图像与平时相比出现异常,特别是温度图像出现局部的高温或低温情况,说明在役管线出现故障或异常,并通过云服务技术和/或互联网获得红外温度历史图像,通过巡检人员的经验和/或AI识别技术检测潜在缺陷。
如果管内流体温度比外部高,如果管线表面出现局部高温,可能是管线内外出现腐蚀、脱落、缺损。如果管线表面温度出现降低,那么可能是温度降低的部分管线出现了结瘤、沉积、锈蚀增厚等故障。
如果管路内流体的温度与环境相似,可以利用晴天的光照,管线喷水/淋雨、风造成的温差,形成的温度变化进行检测。
即使管线内流体与管外的环境相差不大时,可以采用制冷相机进行高温度分辨率的检测。并采用软件增强的方式,增强温度分辨率。
管线表面的油漆,可能会造成红外反光,引起错误,可以采用软件消除的方法。
本发明装置、***可以做成一个半移动的处理***,既有数据采集***,也有计算机信息处理***,也有智能终端预处理数据,形成一套完整高效的低成本管线状态监控***。
实施例1
请结合图8所示,该工业管线虽然很长,但是通过手持红外相机1获取的红外温度图像所显示的外表温度均匀,处于良性状态下,无需进行检修。
实施例2
请结合图9所示,该工业管线通过手持红外相机1获取的红外温度图像所显示的其直线管段部分均状态良好,而下方细长管线的连接部位出现温度异常(如图中圈出位置),可能与局部管线状态有关,需再结合服务器8中该管线的工作状态,通过人工或AI技术判断该管线是否出现缺陷。
实施例3
请结合图10所示,该工业管线建成时间较长,不仅外表锈蚀,而且在管线底部存在低温区域,通过人工判断该位置的管线内部可能有锈蚀沉积,需再结合服务器8中该管线的工作状态,通过人工或AI技术判断该管线是否出现缺陷。
本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本发明,而并非用作为对本发明的限定,只要在本发明的实质精神范围内,对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。
Claims (8)
1.一种用于在役管线的智能探伤方法,其特征在于:
手持红外相机获取所述在役管线不同位置的一组红外温度图像数据,通过移动智能终端显示所述红外温度图像,根据所述红外温度图像所显示的温度差异直接判断所述在役管线是否存在缺陷;
所述移动智能终端从服务器获得所述在役管线的工作状态,所述工作状态包括在役管线内部介质的温度数据,与当前所述手持红外相机所获取的红外温度图像数据进行对比,并再结合所述在役管线的所述红外温度图像历史数据,判断所述在役管线是否存在缺陷;
所述智能探伤方法进一步包括以下步骤:
1)巡检员到达待检所述在役管线的工位;
2)通过所述手持红外相机获取所述在役管线不同位置的一组所述红外温度图像数据;
3)通过所述移动智能终端显示所述红外温度图像,根据所述红外温度图像所显示的温度差异直接判断所述在役管线是否存在缺陷,若是,则进行精确探伤,若否,则进入步骤4);
4)通过环境温度传感器获取所述在役管线周边的环境温度数据;
5)所述移动智能终端从所述服务器获得所述在役管线内部介质的温度数据;
6)所述移动智能终端比较所述在役管线内部介质的温度数据与所述红外温度图像数据的温度差,判断所述温度差是否超出设定的阀值,若是,则进行精确探伤,若否,则进入步骤7);
7)将当前所述手持红外相机获取的所述红外温度图像数据存入所述服务器;
8)结束本工位的检测,去下一个工位进行检测;
所述步骤3)和步骤6)中,所述精确探伤为采用超声探伤方法进行探伤。
2.如权利要求1所述的智能探伤方法,其特征在于:所述步骤6)中,设定的阀值包括设定黄牌警告阀值、和设定红牌报警阀值。
3.如权利要求2所述的智能探伤方法,其特征在于:所述步骤6)中,所述温度差若未超出所述设定黄牌警告阀值,则进入步骤7),若超出所述设定黄牌警告阀值,则再判定是否超出所述设定红牌报警阀值。
4.如权利要求3所述的智能探伤方法,其特征在于:所述温度差若未超出所述设定红牌报警阀值,则进入步骤7),若超出所述设定红牌报警阀值,则进行精确探伤。
5.一种用于在役管线的智能探伤装置,其特征在于,包括:
手持红外相机,用以获取所述在役管线外表面的红外温度图像;
环境温度传感器,用以获取所述在役管线周边的环境温度数据;
移动智能终端,用以显示所述红外温度图像和所述环境温度数据,并根据所述红外温度图像中显示出所述在役管线外表面出现与缺陷对应的温度异常形状,判断所述在役管线上是否具有缺陷;
所述用于在役管线的智能探伤装置用以执行如权利要求1~4任一项所述的智能探伤方法。
6.一种基于权利要求5所述的智能探伤装置的智能探伤***,其特征在于,包括:
流量传感器,用以获取所述在役管线内部介质的流量数据;
压力传感器,用以获取所述在役管线内部介质的压力数据;
温度传感器,用以获取所述在役管线内部介质的温度数据;
PLC工控机,用以接收所述在役管线的工作状态,即所述流量数据、所述压力数据和所述温度数据;
服务器,用以获取所述PLC工控机中所述在役管线的工作状态,并与如权利要求5所述的智能探伤装置中的所述移动智能终端建立无线通讯连接,以存储所述手持红外相机获取的所述红外温度图像数据;
所述移动智能终端又从所述服务器上获取所述PLC工控机中所述在役管线的工作状态,所述工作状态包括在役管线内部介质的温度数据,由所述移动智能终端比较所述在役管线内部介质的温度数据与所述手持红外相机所获取的所述红外温度图像数据的温度差,判断所述温度差是否超出阀值,若超出阀值,则判定所述在役管线上具有缺陷。
7.如权利要求6所述的智能探伤***,其特征在于:所述服务器为基础自动化管理服务器或检测管理服务器。
8.如权利要求7所述的智能探伤***,其特征在于:所述无线通讯为云服务、移动互联网或5G。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010736144.9A CN114002222B (zh) | 2020-07-28 | 2020-07-28 | 一种用于在役管线的智能探伤装置、***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010736144.9A CN114002222B (zh) | 2020-07-28 | 2020-07-28 | 一种用于在役管线的智能探伤装置、***及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114002222A CN114002222A (zh) | 2022-02-01 |
CN114002222B true CN114002222B (zh) | 2024-05-14 |
Family
ID=79920278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010736144.9A Active CN114002222B (zh) | 2020-07-28 | 2020-07-28 | 一种用于在役管线的智能探伤装置、***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114002222B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4988210A (en) * | 1988-03-18 | 1991-01-29 | Nkk Corporation | Method and apparatus for detecting defective portion on outer surface of pipe |
GB0100248D0 (en) * | 2000-01-11 | 2001-02-14 | Visteon Global Tech Inc | Method and apparatus for inspecting an object |
RU2163369C1 (ru) * | 2000-06-08 | 2001-02-20 | ЗАО "Нефтегазкомплектсервис" | Внутритрубный дефектоскоп |
JP2007248394A (ja) * | 2006-03-17 | 2007-09-27 | Osaka Univ | 非破壊検査方法及びその装置 |
JP2011237383A (ja) * | 2010-05-13 | 2011-11-24 | Nippon Steel Corp | 材料の欠陥検出方法及び欠陥検出システム |
KR101386593B1 (ko) * | 2012-11-28 | 2014-04-17 | 한국과학기술원 | 배관 손상 영상화 방법 |
CN204439587U (zh) * | 2015-03-17 | 2015-07-01 | 河北工业大学 | 用于检测建筑外墙热桥及内部缺陷特征的红外成像装置 |
CN105004485A (zh) * | 2015-07-29 | 2015-10-28 | 上海夏普电器有限公司 | 用于检测蒸发器管道焊接缺陷的方法和装置 |
CN207197678U (zh) * | 2017-06-01 | 2018-04-06 | 中国神华能源股份有限公司 | 温度监测*** |
CN109321700A (zh) * | 2017-07-31 | 2019-02-12 | 宝山钢铁股份有限公司 | 一种高炉炉体冷却壁破损检测分离方法 |
CN109357766A (zh) * | 2018-09-26 | 2019-02-19 | 国网福建省电力有限公司 | 基于红外测温的变电设备缺陷检测方法与缺陷检测*** |
CN109743879A (zh) * | 2016-12-30 | 2019-05-10 | 同济大学 | 一种基于动态红外热像图处理的地下管廊渗漏检测方法 |
CN109827078A (zh) * | 2017-11-23 | 2019-05-31 | 中国石油化工股份有限公司 | 一种基于分布式光纤测温的输油管道缺陷检验方法 |
CN110849936A (zh) * | 2019-11-27 | 2020-02-28 | 云南电网有限责任公司电力科学研究院 | 一种gis管道缺陷在线检测装置及方法 |
CN111398293A (zh) * | 2020-04-08 | 2020-07-10 | 重庆引尖机电有限公司 | 一种零部件生产检测*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001092852A1 (en) * | 2000-05-30 | 2001-12-06 | Oyo Corp. Usa | Apparatus and method for detecting pipeline defects |
DE102012108500B3 (de) * | 2012-09-11 | 2014-03-13 | Ipek International Gmbh | Inspektionssystem mit Temperaturmesseinrichtung |
US10473603B2 (en) * | 2017-04-18 | 2019-11-12 | Saudi Arabian Oil Company | Apparatus, system and method for inspecting composite structures using quantitative infra-red thermography |
US10677715B2 (en) * | 2017-11-22 | 2020-06-09 | The Boeing Company | Thermography inspection for near-surface inconsistencies of composite structures |
-
2020
- 2020-07-28 CN CN202010736144.9A patent/CN114002222B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4988210A (en) * | 1988-03-18 | 1991-01-29 | Nkk Corporation | Method and apparatus for detecting defective portion on outer surface of pipe |
GB0100248D0 (en) * | 2000-01-11 | 2001-02-14 | Visteon Global Tech Inc | Method and apparatus for inspecting an object |
RU2163369C1 (ru) * | 2000-06-08 | 2001-02-20 | ЗАО "Нефтегазкомплектсервис" | Внутритрубный дефектоскоп |
JP2007248394A (ja) * | 2006-03-17 | 2007-09-27 | Osaka Univ | 非破壊検査方法及びその装置 |
JP2011237383A (ja) * | 2010-05-13 | 2011-11-24 | Nippon Steel Corp | 材料の欠陥検出方法及び欠陥検出システム |
KR101386593B1 (ko) * | 2012-11-28 | 2014-04-17 | 한국과학기술원 | 배관 손상 영상화 방법 |
CN204439587U (zh) * | 2015-03-17 | 2015-07-01 | 河北工业大学 | 用于检测建筑外墙热桥及内部缺陷特征的红外成像装置 |
CN105004485A (zh) * | 2015-07-29 | 2015-10-28 | 上海夏普电器有限公司 | 用于检测蒸发器管道焊接缺陷的方法和装置 |
CN109743879A (zh) * | 2016-12-30 | 2019-05-10 | 同济大学 | 一种基于动态红外热像图处理的地下管廊渗漏检测方法 |
CN207197678U (zh) * | 2017-06-01 | 2018-04-06 | 中国神华能源股份有限公司 | 温度监测*** |
CN109321700A (zh) * | 2017-07-31 | 2019-02-12 | 宝山钢铁股份有限公司 | 一种高炉炉体冷却壁破损检测分离方法 |
CN109827078A (zh) * | 2017-11-23 | 2019-05-31 | 中国石油化工股份有限公司 | 一种基于分布式光纤测温的输油管道缺陷检验方法 |
CN109357766A (zh) * | 2018-09-26 | 2019-02-19 | 国网福建省电力有限公司 | 基于红外测温的变电设备缺陷检测方法与缺陷检测*** |
CN110849936A (zh) * | 2019-11-27 | 2020-02-28 | 云南电网有限责任公司电力科学研究院 | 一种gis管道缺陷在线检测装置及方法 |
CN111398293A (zh) * | 2020-04-08 | 2020-07-10 | 重庆引尖机电有限公司 | 一种零部件生产检测*** |
Non-Patent Citations (1)
Title |
---|
红外热像技术及其在木材无损检测中应用的可行性探讨;曲志华;王立海;;森林工程;20090115(01);第23-26页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114002222A (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110513604B (zh) | 一种基于多源图像的lng站泄漏智能检测***及其检测方法 | |
CN111094956B (zh) | 用神经网络对热成像图像进行处理以鉴定保温层下腐蚀(cui) | |
Guo et al. | Automated defect detection for sewer pipeline inspection and condition assessment | |
Shafeek et al. | Automatic inspection of gas pipeline welding defects using an expert vision system | |
CN113124327A (zh) | 一种天然气管道的监测方法、装置及监测调度*** | |
CN108916531A (zh) | 一种适用于石油管道腐蚀区检测及实时修复的机器人 | |
Guan et al. | Automatic fault diagnosis algorithm for hot water pipes based on infrared thermal images | |
WO2021092135A1 (en) | Robotic inspection device for tank and pipe inspections | |
CN113533369B (zh) | 一种输电线路巡检装置 | |
CN114002222B (zh) | 一种用于在役管线的智能探伤装置、***及其方法 | |
Zhang et al. | Feasibility of automatic detection of surface cracks in wind turbine blades | |
CN117351006B (zh) | 一种基于深度学习的汽车钣金件表面缺陷检测方法及*** | |
CN104596472A (zh) | 一种乙烯裂解炉管磁记忆检测及安全评估方法 | |
Meng et al. | Rubber hose surface defect detection system based on machine vision | |
CN107654848B (zh) | 一种管道位置和方向检测方法 | |
CN113739077A (zh) | 一种工业管廊管道智能自动化巡检方法及其装置 | |
CN115234845A (zh) | 基于投影模型的油气管道内壁缺陷图像可视化检测方法 | |
Jiang et al. | Surface defect detection of high precision cylindrical metal parts based on machine vision | |
Mysiuk | Pipeline Damage Assessment Based on Corrosion Segmentation Using JetRacer Kit | |
Elkmann et al. | Fully automatic inspection systems for large underground concrete pipes partially filled with wastewater | |
CN110174440A (zh) | 一种高温金属管道焊接接头未焊透缺陷在线检测方法 | |
CN114113110B (zh) | 一种基于机器视觉的天然气管线保温层缺陷检测方法 | |
CN117491361A (zh) | 可视化的管道缺陷信息及范围自动标注方法 | |
Cheng et al. | Blast furnace chute visual detection based on mechanism model: Part 3: Visual Detection Based on Infrared Images | |
Li et al. | A Leak Detection Method for Heat Network Pipes Based on YOLOv5 and Automatic Region Growing Algorithm |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |