基于视觉特征提取算法的超临界通流特性评估

发布时间：2021-02-08 01:08

　　为判断焊瘤对超临界机组金属管道液体流通的阻碍程度,提出了基于逆透视变换的管道通流能力分析算法。该算法设计语义分割网络从整张金属管道射线检测图片中提取焊缝投影;通过二维图像滤波和最小二乘椭圆拟合方法从焊缝投影中提取通流面投影;选取特征点计算单应性矩阵,通过逆透视变换还原投影前通流面形状;在通流面中使用最大熵阈值分割方法提取焊瘤边界,计算瘤径比,分析焊瘤影响。实验结果表明:算法可以根据射线检测图片精确评估焊瘤对管道流通能力的影响,为实现焊瘤检测自动化提供了有效的解决途径。 

【文章来源】：传感技术学报. 2020,33(06)北大核心

【文章页数】：7 页

【部分图文】：

流通面示意图

为保护金属管道物理结构,工业中常采用双壁双影射线检测法[9]观察管道焊缝区域内部形貌。双壁双影射线检测原理如图2(a)所示,射线源发射的射线以一定角度倾斜透照金属管道,使金属管道上下焊缝在底部胶片不同区域感光。当射线源距离焊缝较远时,可认为射线平行穿透焊缝,射线穿透过程中能量会被管壁吸收,吸收程度与射线在管壁中穿透厚度相关。通过双壁双影法得到焊缝区域检测图片如图2(b)所示,焊缝区域左右边界倾斜投影后形成两个平行椭圆,如图中黑色粗实线所示。通流面投影位于两边界椭圆中间位置且与边界椭圆平行,如图中黑色虚线所示。图中深灰色区域为焊瘤在通流面上的投影,根据焊缝投影区域形状可分析金属管道内部焊瘤分布及影响。

金属管道射线检测图片中包含管壁、余高等背景信息,严重降低图片分析效率。为分析焊瘤对金属管道通流能力的影响,首先应从整张射线检测图片中分割出焊缝投影。语义分割是一种基于深度学习技术的图像分割算法,能够在图像质量变化时得到稳定精确的分割结果[10-12]。设计焊缝投影语义分割算法结构如图3所示。图3中,焊缝投影语义分割算法主要由特征提取和掩模预测两部分组成:特征提取模块使用多层卷积层由低到高提取图像特征,使用空间金字塔结构进行特征融合,最终得到尺寸为原图1/8的特征向量;掩模预测模块使用双线性插值将特征向量上采样到原图大小。为了在图像放缩的过程中尽量保留图像细节,特征提取模块中低级特征通过跳层连接[13]与上采样过程中尺寸相同的特征相融合。经过三次上采样特征向量恢复到原图大小,使用Logistic函数计算像素对前景和背景的隶属概率:当隶属概率小于0.5时像素属于背景,当隶属概率大于0.5时,像素属于焊缝投影。选取隶属概率大于0.5的像素组成焊缝投影分割掩模,记为Mw。


本文编号：3023129