CN117218132B - 一种整体炉管寿命分析方法、装置、计算机设备及介质 - Google Patents
一种整体炉管寿命分析方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN117218132B CN117218132B CN202311486937.XA CN202311486937A CN117218132B CN 117218132 B CN117218132 B CN 117218132B CN 202311486937 A CN202311486937 A CN 202311486937A CN 117218132 B CN117218132 B CN 117218132B
- Authority
- CN
- China
- Prior art keywords
- furnace tube
- score
- scoring
- model
- image
- 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
- 238000004458 analytical method Methods 0.000 title claims description 14
- 238000012549 training Methods 0.000 claims abstract description 126
- 230000003647 oxidation Effects 0.000 claims abstract description 80
- 238000007254 oxidation reaction Methods 0.000 claims abstract description 80
- 238000003466 welding Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000003754 machining Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000002372 labelling Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 8
- 230000009194 climbing Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 235000009537 plain noodles Nutrition 0.000 claims 2
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000956 alloy Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004939 coking Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010301 surface-oxidation reaction Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明涉及视觉处理技术领域,尤其涉及一种整体炉管寿命分析方法、装置、计算机设备及介质,方法包括:获取N个炉管外表面区域的第一图像和焊缝两侧机加工光面区域的第二图像;将每个第一图像切分为多个第一区块,标注每个第一区块氧化程度的第一得分,得到第一训练样本,将每个第二图像切分为多个第二区块,标注每个第二区域氧化程度的第二得分,得到第二训练样本;基于第一训练样本和第一训练模型,得到第一评分模型,基于第二训练样本和第二训练模型,得到第二评分模型;获取待评分寿命的整体炉管的第一目标图像和第二目标图像;基于第一评分模型和第二评分模型,得到待评分寿命的整体炉管的评分结果,全面准确评判炉管受高温影响程度。
Description
技术领域
本发明涉及视觉处理技术领域,尤其涉及一种整体炉管寿命分析方法、装置、计算机设备及介质。
背景技术
高温工业炉在石化、炼化、化肥、冶金等行业中是最核心和重要的设备,该高温工业炉的稳定性直接决定安全生产的风险程度。
其中,高温工业炉主要由高温合金材料的炉管和炉膛组成,其炉管作为高温介质反应容器,需要长期承受高温(900~1200℃),外表面氧化、内表面渗碳,管内结焦、热疲劳以及热冲击等多种因素的作用,超温是导致炉管失效的主要原因之一。为了评估炉管的剩余寿命,需要了解炉管的高温服役过程,其中主要涉及服役高温温度和高温服役时间。
目前,部分企业为炉管配备了高温热电偶和红外测温仪等在线检测设备。其中,高温热电偶仅能对局部某点进行实时测温;红外测温仪受到高温烟气影响,测量数据波动较大。在工业炉停炉检修期间,因为上述数据的局限性,关于炉管每个区域的高温服役过程的数据是不完整的,导致检修和更换炉管的计划很难精准制订。并且,目前有很多企业未配备上述相关设备。在停炉检修期间,对炉管服役高温过程进行分析,目前没有相关技术,如何全面准确判断炉管受高温影响的程度是目前亟待解决的技术问题。
发明内容
鉴于上述问题,本发明提供了一种克服上述问题或者至少部分地解决上述问题的整体炉管寿命分析方法、装置、计算机设备及介质。
第一方面,本发明提供了一种整体炉管寿命分析方法,所述整体炉管由多节炉管经过焊接形成,且所述整体炉管包括炉管外表面区域以及焊缝两侧机加工光面区域,包括:
获取N个炉管外表面区域的第一图像和N个炉管焊缝两侧机加工光面区域的第二图像;
将每个第一图像切分为多个第一区块,并为每个第一区块标注氧化程度的第一得分,将每个第二图像切分为多个第二区块,并为每个第二区块标注氧化程度的第二得分,将标注有第一得分的第一区块作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本;
基于所述第一训练样本和第一训练模型,得到第一评分模型,基于第二训练样本和第二训练模型,得到第二评分模型;
获取待评分寿命的整体炉管外表面区域的第一目标图像和焊缝两侧机加工光面区域的第二目标图像;
基于所述第一目标图像和第一评分模型以及第二目标图像和第二评分模型,得到所述待评分寿命的整体炉管的评分结果;
基于所述评分结果,确定所述待评分寿命的整体炉管的剩余寿命。
进一步地,所述获取N个炉管外表面区域的第一图像和N个炉管焊缝两侧机加工光面区域的第二图像,包括:
通过爬管机器人上设置的多个图像采集装置,对N个整体炉管的周向和纵向采集炉管外表面区域的第一图像和炉管焊缝两侧机加工光面区域的第二图像。
进一步地,所述将每个第一图像切分为多个第一区块,并为每个第一区块标注氧化程度的第一得分,将每个第二图像切分为多个第二区块,并为每个第二区块标注氧化程度的第二得分,将标注有第一得分的第一区块作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本,包括:
将每个第一图像按照预设规则切分为多个第一区块,并按照氧化程度的第一划分标准为每个第一区块标注氧化程度的第一得分,所述第一划分标准中的氧化程度评分是按照相对氧化程度确定的;
将每个第二图像按照预设规则切分为多个第二区域,并按照氧化程度的第二划分标准为每个第二区块标注氧化程度的第二得分,所述第二划分标准中的氧化程度评分是按照相对氧化程度确定的,且所述第一划分标准与第二划分标准不同;
将标注有第一得分的第一区域作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本。
进一步地,所述基于所述第一训练样本和第一训练模型,得到第一评分模型,基于第二训练样本和第二训练模型,得到第二评分模型,包括:
将所述第一训练样本输入所述第一训练模型,提取第一特征;
对所述第一特征进行相似度处理,得到第一目标特征,所述第一目标特征的第一目标相似度满足第一预设相似度;
将第一目标特征和第一特征进行特征融合,得到第一训练模型的第一输出结果,通过不断训练,直到得到第一评分模型;
将所述第二训练样本输入所述第二训练模型,提取第二特征;
对所述第二特征进行相似度处理,得到第二目标特征,所述第二目标特征的第二目标相似度满足第二预设相似度;
将第二目标特征和第二特征进行特征融合,得到第二训练模型的第二输出结果,通过不断训练,直到得到第二评分模型。
进一步地,所述基于所述第一目标图像和第一评分模型以及第二目标图像和第二评分模型,得到所述待评分寿命的整体炉管的评分结果,包括:
将所述第一目标图像输入第一评分模型,所述第一评分模型输出所述整体炉管外表面上每个第一区块的得分;
基于每个第一区块的得分,确定所述整体炉管上各个高度周向的四个朝向区域的第一评分结果;
将所述第二目标图像输入第二评分模型,所述第二评分模型输出所述整体炉管各个焊缝两侧机加工光面区域的每个第二区块的得分;
基于每个第二区块的得分,确定所述整体炉管上各个焊缝两侧机加工光面区域周向的四个朝向区域的第二评分结果;
基于所述第一评分结果和所述第二评分结果,得到所述待评分寿命的整体炉管的评分结果。
进一步地,所述基于所述评分结果,确定所述待评分寿命的整体炉管的剩余寿命,包括:
基于所述整体炉管的所述评分结果,确定所述整体炉管上各个高度上评分结果最高的朝向区域,即为氧化程度最高的区域;
基于所述氧化程度最高的区域,确定所述待评分寿命的整体炉管的剩余寿命。
第二方面,本发明还提供了一种整体炉管寿命分析装置,所述整体炉管由多节炉管经过焊接形成,且所述整体炉管包括炉管外表面区域以及焊缝两侧机加工光面区域,包括:
第一获取模块,用于获取N个炉管外表面区域的第一图像和N个炉管焊缝两侧机加工光面区域的第二图像;
标注模块,用于将每个第一图像切分为多个第一区块,并为每个第一区块标注氧化程度的第一得分,将每个第二图像切分为多个第二区块,并为每个第二区块标注氧化程度的第二得分,将标注有第一得分的第一区块作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本;
第一得到模块,用于基于所述第一训练样本和第一训练模型,得到第一评分模型,基于第二训练样本和第二训练模型,得到第二评分模型;
第二获取模块,用于获取待评分寿命的整体炉管外表面区域的第一目标图像和焊缝两侧机加工光面区域的第二目标图像;
第二得到模块,用于基于所述第一目标图像和第一评分模型以及第二目标图像和第二评分模型,得到所述待评分寿命的整体炉管的评分结果;
确定模块,用于基于所述评分结果,确定所述待评分寿命的整体炉管的剩余寿命。
第三方面,本发明还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面中所述的方法步骤。
第四方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面中所述的方法步骤。
本发明实施例中的一个或多个技术方案,至少具有如下技术效果或优点:
本发明提供了一种整体炉管寿命分析方法,该整体炉管由多节炉管经过焊接形成,且整体炉管包括炉管外表面区域以及焊缝两侧机加工光面区域,包括:获取N个炉管外表面区域的第一图像和N个炉管焊缝两侧机加工光面区域的第二图像;将每个第一图像切分为多个第一区块,并为每个第一区块标注氧化程度的第一得分,将每个第二图像切分为多个第二区块,并为每个第二区域标注氧化程度的第二得分,将标注有第一得分的第一区块作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本;基于第一训练样本和第一训练模型,得到第一评分模型,基于第二训练样本和第二训练模型,得到第二评分模型;获取待评分寿命的整体炉管外表面区域的第一目标图像和焊缝两侧机加工光面区域的第二目标图像;基于该第一目标图像和第一评分模型以及第二目标图像和第二评分模型,得到待评分寿命的整体炉管的评分结果,通过对炉管外表面以及焊缝两侧机加工光面分别进行视觉分析,以确定不同区域的氧化程度,最终得到整体炉管的剩余寿命,全面准确评判炉管受高温影响的程度。
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,用相同的参考图形表示相同的部件。在附图中:
图1示出了本发明实施例中整体炉管寿命分析方法的步骤流程示意图;
图2示出了本发明实施例中整体炉管的结构示意图;
图3示出了本发明实施例中第一图像标注第一得分的示意图;
图4示出了本发明实施例中第二图像标注第二得分的示意图;
图5示出了本发明实施例中第一训练模型和第二训练模型的结构示意图;
图6示出了本发明实施例中整体炉管的外表面在不同时期不同高度同一朝向区域的第一评分结果曲线示意图;
图7示出了本发明实施例中整体炉管的外表面在同一时期不同高度的四个朝向区域的第一评分结果曲线示意图;
图8示出了本发明实施例中整体炉管寿命分析装置的结构示意图;
图9示出了本发明实施例中实现整体炉管寿命分析方法的计算机设备的结构示意图。
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传达给本领域的技术人员。
实施例一
本发明的实施例提供了一种整体炉管寿命分析方法,如图1所示,包括:
S101,获取N个炉管外表面区域的第一图像和N个炉管焊缝两侧机加工光面区域的第二图像;
S102,将每个第一图像切分为多个第一区块,并为每个第一区块标注氧化程度的第一得分,将每个第二图像切分为多个第二区块,并为每个第二区块标注氧化程度的第二得分,将标注有第一得分的第一区块作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本;
S103,基于第一训练样本和第一训练模型,得到第一评分模型,基于第二训练样本和第二训练模型,得到第二评分模型;
S104,获取待评分寿命的整体炉管外表面区域的第一目标图像和焊缝两侧机加工光面区域的第二目标图像;
S105,基于第一目标图像和第一评分模型以及第二目标图像和第二评分模型,得到待评分寿命的整体炉管的评分结果;
S106,基于评分结果,确定待评分寿命的整体炉管的剩余寿命。
首先,整体炉管是由2~3根炉管焊接形成的,相邻的单个炉管之间形成焊缝,本申请中分别对单个炉管外表面区域和焊缝两侧机加工面区域进行分析,以得到针对炉管外表面区域的第一评分结果以及针对焊缝两侧机加工面区域的第二评分结果。
下面具体对各个区域的氧化程度的分析过程进行详细描述:
S101,获取N个炉管外表面区域的第一图像和N个炉管焊缝两侧机加工光面区域的第二图像。具体如图2所示,以一个整体炉管为例,其中,炉管外表面区域为201指示的区域,焊缝两侧机加工区域为202指示的区域。
通过获取N个炉管对应的两个区域的图像,得到N组图像,每组图像中包括第一图像以及第二图像。
接下来,执行S102,将每个第一图像切分为多个第一区块,并为每个第一区块标注氧化程度的第一得分;将每个第二图像切分为多个第二区块,并为每个第二区块标注氧化程度的第二得分,将标注有第一得分的第一区块作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本。
在具体的实施方式中,是将每个第一图像按照预设规则切分为多个第一区块,并按照氧化程度的第一划分标准为每个第一区块标注氧化程度的第一得分该第一划分标准中的氧化程度评分是按照相对氧化程度确定的。
如图3所示,在一第一区块中标注的数字即为该第一区块对应标注的第一得分。该预设规则是将第一图像均分为多个长方形区域,当然,还可以均分为正六边形等等,在此并不作限定。
接着将每个第二图像按照预设规则切分为多个第二区域,并按照氧化程度的第二划分标准为每个第二区域标注氧化程度的第二得分,第二划分标准中的氧化程度评分是按照相对氧化程度确定的,且第一划分标准与第二划分标准不同。
由于第一图像与第二图像分别对应炉管的不同材质区域,因此,氧化程度的评定标准也不同。如图4所示,在一第二图像中标注的数字即为该第二区域对应标注的第二得分。
最后,将标注有第一得分的第一区域作为第一训练样本,将标注有第二得分的第二区域作为第二训练样本。
在得到第一训练样本和第二训练样本之后,执行S103,基于第一训练样本和第一训练模型,得到第一评分模型,基于第二训练样本和第二训练模型,得到第二评分模型。
这里的第一训练模型和第二训练模型均可以采用CNN模型、RNN模型、LSTM模型等等。
具体地,将第一训练样本输入第一训练模型,提取第一特征;对第一特征进行相似度处理,得到第一目标特征,第一目标特征的第一目标相似度满足第一预设相似度;
将第一目标特征和第一特征进行特征融合,得到第一训练模型的第一输出结果,通过不断训练,直到得到第一评分模型;
将第二训练样本输入第二训练模型,提取第二特征;对第二特征进行相似度处理,得到第二目标特征,第二目标特征的第二目标相似度满足第二预设相似度;
将第二目标特征和第二特征进行特征融合,得到第二训练模型的第二输出结果,通过不断训练,直到得到第二评分模型。
该第一训练模型和第二训练模型的结构如图5所示,包括encoder(编码器)、memony bank(存储条)、decoder(解码层),将第一训练样本输入第一训练模型时,先通过encoder从第一训练样本中提取第一特征,其中,提取的F1特征和F4特征进行相似度处理,得到第一目标特征,即F1‘特征和F4’特征,第一目标特征的第一目标相似度满足第一预设相似度。将第一目标特征与第一特征进行融合,最后通过decoder(解码层)的解码,得到第一输出结果,通过上述不断训练,当然,每次训练过程都会对该第一训练模型中的参数进行调整,直至得到第一评分模型。同理,第二评分模型也是按照上述方式得到。由此得到第二评分模型。
在得到第一评分模型和第二评分模型之后,执行S104,获取待评分寿命的整体炉管外表面区域的第一目标图像和焊缝两侧机加工光面区域的第二目标图像。
首先,第一目标图像可以有多幅图,第二目标图像也可以有多幅图。
在对第一评分模型和第二评分模型进行应用之前,也可以按照S102的过程将第一目标图像切分以及对第二目标图像切分。切分得到的多个区域图像可以分别输入第一评分模型或者第二评分模型,接下来,执行S105,基于第一目标图像和第一评分模型以及第二目标图像和第二评分模型,得到待评分寿命的整体炉管的评分结果。
具体地,将第一目标图像输入第一评分模型,第一评分模型输出整体炉管外表面上每个第一区块的得分;
基于每个第一区块的得分,确定整体炉管上各个高度周向的四个朝向区域的第一评分结果。其中,每个朝向区域的第一评分结果可以将该朝向区域的同一高度所有第一区块的得分求均值得到。
如图6所示,为整体炉管在不同时期(新炉管时期、使用一年的时期,使用两年后的时期、使用三年后的时期)同一朝向区域(东侧)的不同高度对应的第一评分结果。可见,随着时间的增加,同一朝向区域的氧化程度逐渐增加,对于2m~7m之间尤为明显。
如图7所示,为整体炉管在同一时期不同朝向区域的不同高度对应的第一评分结果。可见,对于使用三年后的整体炉管来说,该整体炉管的西侧的氧化程度较小,南侧和北侧的氧化程度相当,东侧的氧化程度较高,在2m~7m之间尤为明显。
将第二目标图像输入第二评分模型,第二评分模型输出整体炉管各个焊缝两侧机加工光面区域的每个第二区块的得分;
基于每个第二区块的得分,确定整体炉管上各个焊缝两侧机加工光面区域周向的四个朝向区域的第二评分结果。对于每个朝向区域的第二评分结果可以将该朝向区域同一高度的所有第一区块的得分求均值得到。
由于各个焊缝两侧机加工光面区域周向的四个朝向区域的第二评分结果是不连续的。可以将其与上述的第一评分模型得到的第一评分结果的图示结合,对该第二评分模型的第二评分结果的正确性进行评判,即若第二评分结果离散数据构成的曲线与如图6或者如图7所述的曲线变化趋势相同或者相近,即相邻炉管焊接处的高度对应的第一评分结果与第二评分结果相近,则确定这两个评分模型准确。
基于第一评分结果和第二评分结果,得到待评分寿命的整体炉管的评分结果。
该第一评分模型能够对炉管外表面的各个区块的氧化程度评分,第二评分模型能够对焊缝两侧机加工光面区域的各个区块的氧化程度评分。
最后,执行S106,基于评分结果,确定待评分寿命的整体炉管的剩余寿命。具体地,基于整体炉管的评分结果,确定整体炉管各个高度上评分结果最高的朝向区域,即为氧化程度最高的区域;基于氧化程度最高的区域,确定待评分寿命的整体炉管的剩余寿命。
比如,通过图7可以确定在整体炉管的各个高度上评分结果最高的朝向区域是东侧,而且,在中间段即2m~7m的区间段相较于其他区间段的氧化程度较大,因此,该待评分寿命的整体炉管的剩余寿命基于该氧化程度最高的区域确定。
若整体炉管的东侧的氧化程度已经达到很高,相应的整体炉管的剩余寿命就越短;若整体炉管的东侧的氧化程度还不高,相应的整体炉管的剩余寿命还很长。
本发明实施例中的一个或多个技术方案,至少具有如下技术效果或优点:
本发明提供了一种整体炉管寿命分析方法,该整体炉管由多节炉管经过焊接形成,且整体炉管包括炉管外表面区域以及焊缝两侧机加工光面区域,包括:获取N个炉管外表面区域的第一图像和N个炉管焊缝两侧机加工光面区域的第二图像;将每个第一图像切分为多个第一区块,并为每个第一区块标注氧化程度的第一得分,将每个第二图像切分为多个第二区块,并为每个第二区域标注氧化程度的第二得分,将标注有第一得分的第一区块作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本;基于第一训练样本和第一训练模型,得到第一评分模型,基于第二训练样本和第二训练模型,得到第二评分模型;获取待评分寿命的整体炉管外表面区域的第一目标图像和焊缝两侧机加工光面区域的第二目标图像;基于该第一目标图像和第一评分模型以及第二目标图像和第二评分模型,得到待评分寿命的整体炉管的评分结果,通过对炉管外表面以及焊缝两侧机加工光面分别进行视觉分析,以确定不同区域的氧化程度,最终得到整体炉管的剩余寿命,全面准确评判炉管受高温影响的程度。
实施例二
基于相同的发明构思,本发明实施例还提供了一种整体炉管寿命分析装置,所述整体炉管由多节炉管经过焊接形成,且所述整体炉管包括炉管外表面区域以及焊缝两侧机加工光面区域,如图8所示,包括:
第一获取模块801,用于获取N个炉管外表面区域的第一图像和N个炉管焊缝两侧机加工光面区域的第二图像;
标注模块802,用于将每个第一图像切分为多个第一区块,并为每个第一区块标注氧化程度的第一得分,将每个第二图像切分为多个第二区块,并为每个第二区块标注氧化程度的第二得分,将标注有第一得分的第一区块作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本;
第一得到模块803,用于基于所述第一训练样本和第一训练模型,得到第一评分模型,基于第二训练样本和第二训练模型,得到第二评分模型;
第二获取模块804,用于获取待评分寿命的整体炉管外表面区域的第一目标图像和焊缝两侧机加工光面区域的第二目标图像;
第二得到模块805,用于基于所述第一目标图像和第一评分模型以及第二目标图像和第二评分模型,得到所述待评分寿命的整体炉管的评分结果;
确定模块806,用于基于所述评分结果,确定所述待评分寿命的整体炉管的剩余寿命。
在一种可选的实施方式中,第一获取模块801,用于通过爬管机器人上设置的多个图像采集装置,对N个整体炉管的周向和纵向采集炉管外表面区域的第一图像和炉管焊缝两侧机加工光面区域的第二图像。
在一种可选的实施方式中,标注模块802,用于:
将每个第一图像按照预设规则切分为多个第一区块,并按照氧化程度的第一划分标准为每个第一区块标注氧化程度的第一得分,所述第一划分标准中的氧化程度评分是按照相对氧化程度确定的;
将每个第二图像按照预设规则切分为多个第二区域,并按照氧化程度的第二划分标准为每个第二区块标注氧化程度的第二得分,所述第二划分标准中的氧化程度评分是按照相对氧化程度确定的,且所述第一划分标准与第二划分标准不同;
将标注有第一得分的第一区域作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本。
在一种可选的实施方式中,第一得到模块803,用于:
将所述第一训练样本输入所述第一训练模型,提取第一特征;
对所述第一特征进行相似度处理,得到第一目标特征,所述第一目标特征的第一目标相似度满足第一预设相似度;
将第一目标特征和第一特征进行特征融合,得到第一训练模型的第一输出结果,通过不断训练,直到得到第一评分模型;
将所述第二训练样本输入所述第二训练模型,提取第二特征;
对所述第二特征进行相似度处理,得到第二目标特征,所述第二目标特征的第二目标相似度满足第二预设相似度;
将第二目标特征和第二特征进行特征融合,得到第二训练模型的第二输出结果,通过不断训练,直到得到第二评分模型。
在一种可选的实施方式中,第二得到模块805,用于:
将所述第一目标图像输入第一评分模型,所述第一评分模型输出所述整体炉管外表面上每个第一区块的得分;
基于每个第一块的得分,确定所述整体炉管上各个高度周向的四个朝向区域的第一评分结果;
将所述第二目标图像输入第二评分模型,所述第二评分模型输出所述整体炉管各个焊缝两侧机加工光面区域的每个第二区块的得分;
基于每个第二区块的得分,确定所述整体炉管上各个焊缝两侧机加工光面区域周向的四个朝向区域的第二评分结果;
基于所述第一评分结果和所述第二评分结果,得到所述待评分寿命的整体炉管的评分结果。
在一种可选的实施方式中,确定模块806,用于:
基于整体炉管的所述评分结果,确定所述整体炉管各个高度上评分结果最高的朝向区域,即为氧化程度最高的区域;
基于所述氧化程度最高的区域,确定所述待评分寿命的整体炉管的剩余寿命。
实施例三
基于相同的发明构思,本发明实施例提供了一种计算机设备,如图9所示,包括存储器904、处理器902及存储在存储器904上并可在处理器902上运行的计算机程序,所述处理器902执行所述程序时实现上述整体炉管寿命分析方法的步骤。
其中,在图9中,总线架构(用总线900来代表),总线900可以包括任意数量的互联的总线和桥,总线900将包括由处理器902代表的一个或多个处理器和存储器904代表的存储器的各种电路链接在一起。总线900还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口906在总线900和接收器901和发送器903之间提供接口。接收器901和发送器903可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器902负责管理总线900和通常的处理,而存储器904可以被用于存储处理器902在执行操作时所使用的数据。
实施例四
基于相同的发明构思,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述整体炉管寿命分析方法的步骤。
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个实施例中所明确记载的特征更多的特征。更确切地说,如每个实施例所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在具体实施方式中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的整体炉管寿命分析装置、计算机设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (9)
1.一种整体炉管寿命分析方法,所述整体炉管由多节炉管经过焊接形成,且所述整体炉管包括炉管外表面区域以及焊缝两侧机加工光面区域,其特征在于,包括:
获取N个炉管外表面区域的第一图像和N个炉管焊缝两侧机加工光面区域的第二图像;
将每个第一图像切分为多个第一区块,并为每个第一区块标注氧化程度的第一得分,将每个第二图像切分为多个第二区块,并为每个第二区块标注氧化程度的第二得分,将标注有第一得分的第一区块作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本;
基于所述第一训练样本和第一训练模型,得到第一评分模型,基于第二训练样本和第二训练模型,得到第二评分模型;
获取待评分寿命的整体炉管外表面区域的第一目标图像和焊缝两侧机加工光面区域的第二目标图像;
基于所述第一目标图像和第一评分模型以及第二目标图像和第二评分模型,得到所述待评分寿命的整体炉管的评分结果;
基于所述评分结果,确定所述待评分寿命的整体炉管的剩余寿命。
2.如权利要求1所述的方法,其特征在于,所述获取N个炉管外表面区域的第一图像和N个炉管焊缝两侧机加工光面区域的第二图像,包括:
通过爬管机器人上设置的多个图像采集装置,对N个整体炉管的周向和纵向采集炉管外表面区域的第一图像和炉管焊缝两侧机加工光面区域的第二图像。
3.如权利要求1所述的方法,其特征在于,所述将每个第一图像切分为多个第一区块,并为每个第一区块标注氧化程度的第一得分,将每个第二图像切分为多个第二区块,并为每个第二区块标注氧化程度的第二得分,将标注有第一得分的第一区块作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本,包括:
将每个第一图像按照预设规则切分为多个第一区块,并按照氧化程度的第一划分标准为每个第一区块标注氧化程度的第一得分,所述第一划分标准中的氧化程度评分是按照相对氧化程度确定的;
将每个第二图像按照预设规则切分为多个第二区域,并按照氧化程度的第二划分标准为每个第二区块标注氧化程度的第二得分,所述第二划分标准中的氧化程度评分是按照相对氧化程度确定的,且所述第一划分标准与第二划分标准不同;
将标注有第一得分的第一区域作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本。
4.如权利要求1所述的方法,其特征在于,所述基于所述第一训练样本和第一训练模型,得到第一评分模型,基于第二训练样本和第二训练模型,得到第二评分模型,包括:
将所述第一训练样本输入所述第一训练模型,提取第一特征;
对所述第一特征进行相似度处理,得到第一目标特征,所述第一目标特征的第一目标相似度满足第一预设相似度;
将第一目标特征和第一特征进行特征融合,得到第一训练模型的第一输出结果,通过不断训练,直到得到第一评分模型;
将所述第二训练样本输入所述第二训练模型,提取第二特征;
对所述第二特征进行相似度处理,得到第二目标特征,所述第二目标特征的第二目标相似度满足第二预设相似度;
将第二目标特征和第二特征进行特征融合,得到第二训练模型的第二输出结果,通过不断训练,直到得到第二评分模型。
5.如权利要求1所述的方法,其特征在于,所述基于所述第一目标图像和第一评分模型以及第二目标图像和第二评分模型,得到所述待评分寿命的整体炉管的评分结果,包括:
将所述第一目标图像输入第一评分模型,所述第一评分模型输出所述整体炉管外表面上每个第一区块的得分;
基于每个第一区块的得分,确定所述整体炉管上各个高度周向的四个朝向区域的第一评分结果;
将所述第二目标图像输入第二评分模型,所述第二评分模型输出所述整体炉管各个焊缝两侧机加工光面区域的每个第二区块的得分;
基于每个第二区块的得分,确定所述整体炉管上各个焊缝两侧机加工光面区域周向的四个朝向区域的第二评分结果;
基于所述第一评分结果和所述第二评分结果,得到所述待评分寿命的整体炉管的评分结果。
6.如权利要求1所述的方法,其特征在于,所述基于所述评分结果,确定所述待评分寿命的整体炉管的剩余寿命,包括:
基于所述整体炉管的所述评分结果,确定所述整体炉管各个高度上评分结果最高的朝向区域,即为氧化程度最高的区域;
基于所述氧化程度最高的区域,确定所述待评分寿命的整体炉管的剩余寿命。
7.一种整体炉管寿命分析装置,所述整体炉管由多节炉管经过焊接形成,且所述整体炉管包括炉管外表面区域以及焊缝两侧机加工光面区域,其特征在于,包括:
第一获取模块,用于获取N个炉管外表面区域的第一图像和N个炉管焊缝两侧机加工光面区域的第二图像;
标注模块,用于将每个第一图像切分为多个第一区块,并为每个第一区块标注氧化程度的第一得分,将每个第二图像切分为多个第二区块,并为每个第二区块标注氧化程度的第二得分,将标注有第一得分的第一区块作为第一训练样本,将标注有第二得分的第二区块作为第二训练样本;
第一得到模块,用于基于所述第一训练样本和第一训练模型,得到第一评分模型,基于第二训练样本和第二训练模型,得到第二评分模型;
第二获取模块,用于获取待评分寿命的整体炉管外表面区域的第一目标图像和焊缝两侧机加工光面区域的第二目标图像;
第二得到模块,用于基于所述第一目标图像和第一评分模型以及第二目标图像和第二评分模型,得到所述待评分寿命的整体炉管的评分结果;
确定模块,用于基于所述评分结果,确定所述待评分寿命的整体炉管的剩余寿命。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~6中任一权利要求所述的方法步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~6中任一权利要求所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311486937.XA CN117218132B (zh) | 2023-11-09 | 2023-11-09 | 一种整体炉管寿命分析方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311486937.XA CN117218132B (zh) | 2023-11-09 | 2023-11-09 | 一种整体炉管寿命分析方法、装置、计算机设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117218132A CN117218132A (zh) | 2023-12-12 |
CN117218132B true CN117218132B (zh) | 2024-01-19 |
Family
ID=89039396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311486937.XA Active CN117218132B (zh) | 2023-11-09 | 2023-11-09 | 一种整体炉管寿命分析方法、装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117218132B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502459A (zh) * | 2014-12-08 | 2015-04-08 | 中国特种设备检测研究院 | 基于声发射对炉管进行诊断的方法 |
WO2022077917A1 (zh) * | 2020-10-14 | 2022-04-21 | 平安科技(深圳)有限公司 | 实例分割模型样本筛选方法、装置、计算机设备及介质 |
CN116429269A (zh) * | 2023-01-19 | 2023-07-14 | 中国石油化工股份有限公司 | 一种乙烯裂解炉炉管红外智能分析*** |
CN116702463A (zh) * | 2023-06-01 | 2023-09-05 | 上海发电设备成套设计研究院有限责任公司 | 受热面管的剩余寿命预测方法、装置、设备和存储介质 |
-
2023
- 2023-11-09 CN CN202311486937.XA patent/CN117218132B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502459A (zh) * | 2014-12-08 | 2015-04-08 | 中国特种设备检测研究院 | 基于声发射对炉管进行诊断的方法 |
WO2022077917A1 (zh) * | 2020-10-14 | 2022-04-21 | 平安科技(深圳)有限公司 | 实例分割模型样本筛选方法、装置、计算机设备及介质 |
CN116429269A (zh) * | 2023-01-19 | 2023-07-14 | 中国石油化工股份有限公司 | 一种乙烯裂解炉炉管红外智能分析*** |
CN116702463A (zh) * | 2023-06-01 | 2023-09-05 | 上海发电设备成套设计研究院有限责任公司 | 受热面管的剩余寿命预测方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117218132A (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7085067B2 (ja) | 保温材下腐食発生予測モデルおよびプラント保全支援装置 | |
Stypułkowski et al. | Monitoring system for railway infrastructure elements based on thermal imaging analysis | |
Aust et al. | Comparative analysis of human operators and advanced technologies in the visual inspection of aero engine blades | |
Stenberg et al. | Development of an algorithm for quality inspection of welded structures | |
US11982998B2 (en) | Manufacturing monitoring assistance device, manufacturing monitoring assistance method, and manufacturing monitoring assistance program | |
CN117218132B (zh) | 一种整体炉管寿命分析方法、装置、计算机设备及介质 | |
Pereira et al. | Quality assessment and process management of welded joints in metal construction—A review | |
Aust et al. | Evaluation of influence factors on the visual inspection performance of aircraft engine blades | |
He et al. | Quality prediction and parameter optimisation of resistance spot welding using machine learning | |
Radionov et al. | Method for forecasting the remaining useful life of a furnace transformer based on online monitoring data | |
Gros et al. | Theory and implementation of NDT data fusion | |
García González et al. | Analysis of Tube-to-Tubesheet Welding in Carbon Steel Heat Exchangers of a Double Plate Header Box | |
Hagarová et al. | Effect of flue gases’ corrosive components on the degradation process of evaporator tubes | |
Thayer | Enabling the Fourth Industrial Revolution (4IR) and the role of NDE and monitoring | |
Parker et al. | Manufacture and performance of welds in creep strength enhanced ferritic steels | |
Poli et al. | Bridge structural safety assessment: a novel solution to uncertainty in the inspection practice | |
Yasuda et al. | Fatigue crack detection system based on IoT and statistical analysis | |
Lardner et al. | Automated sizing and classification of defects in CANDU pressure tubes | |
JP2954613B2 (ja) | プラント寿命診断支援装置 | |
Katunin et al. | Monitoring of hidden corrosion growth in aircraft structures based on D-Sight inspections and image processing | |
Vila et al. | Sustainability analysis of AISI 1018 turning operations under surface integrity criteria | |
CN117218113B (zh) | 一种炉管的氧化程度分析方法、装置、计算机设备及介质 | |
Uliasz et al. | Automatic Evaluation of the Robotic Production Process for an Aircraft Jet Engine Casing | |
Lee et al. | A Study on Defect Detection of Dissimilar Joints in Cu-STS Tubes Using Infrared Thermal Imaging of Induction Heating Brazing | |
Nefedyev et al. | Use of the capabilities of acoustic-emission technique for diagnostics of separate heat exchanger elements |
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 |