|本期目录/Table of Contents|

[1]杨林超,张新锋*,刘 康.管道机器人采集图像缺陷检测方法研究[J].工业仪表与自动化装置,2021,(06):48-51+64.[doi:10.19950/j.cnki.cn61-1121/th.2021.06.026]
　YANG Linchao,ZHANG Xinfeng *,LIU Kang.Research on defect detection method of pipeline robot image acquisition[J].Industrial Instrumentation & Automation,2021,(06):48-51+64.[doi:10.19950/j.cnki.cn61-1121/th.2021.06.026]
点击复制

管道机器人采集图像缺陷检测方法研究

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2021年06期
页码:
48-51+64
栏目:
出版日期:
2021-12-15

文章信息/Info

Title:
Research on defect detection method of pipeline robot image acquisition
作者:
杨林超1; 张新锋1*; 刘 康2
（1.河南中烟工业有限责任公司南阳卷烟厂，河南 南阳 473007；2.河南新拓途信息技术有限公司，河南 郑州 453000）
Author(s):
YANG Linchao 1; ZHANG Xinfeng 1*; LIU Kang 2
（1. Nanyang Cigarette Factory,China Tobacco Henan Industrial Co.,Ltd., Henan Nanyang 473007,China；2. Henan xintuotu Information Technology Co., Ltd.,Henan Zhengzhou，453000,China）
关键词:
管道机器人; 缺陷检测; 自适应图像增强; 双边滤波算法
Keywords:
pipeline robot;  defect detection;  adaptive image enhancement;  bilateral filtering algorithm
分类号:
TP391
DOI:
10.19950/j.cnki.cn61-1121/th.2021.06.026
文献标志码:
A
摘要:
针对管道机器人采集管道缺陷图像边缘提取准确性较低的问题，提出一种基于自适应的管道图像缺陷检测方法。首先，采用引导滤波对单尺度retinex算法进行改进，实现自适应增强管道图像，并通过双边滤波改进canny算法进，实现管道缺陷的有效提取与检测；然后，结合自适应图像增强算法与缺陷检测算法，详细设计了管道机器人缺陷检测算法流程；最后，通过在饱和蒸汽Q235A（φ300×8 mm)管道进行缺陷检测，对提出算法进行了验证。结果表明，本研究算法可自适应调节图像亮度达到亮度均衡，并良好地保留图像纹理细节，对管道缺陷的检测识别准确率可达到97%，相较于对比算法，直方图均衡化算法、SLVM算法、同态滤波算法，本研究算法的标准差平均降低了71.2%，平均梯度提升了15.1%，峰值信噪比提升了9.6%。
Abstract:
Aiming at the problem that the accuracy of edge extraction of pipeline defect image collected by pipeline robot is low, an adaptive defect detection method is proposed. Firstly, guided filter is used to improve the single scale Retinex algorithm to realize the adaptive enhancement of pipeline image, and bilateral filter is used to improve Canny algorithm to realize the defect extraction and detection; Then, combined with adaptive image enhancement algorithm and defect detection algorithm, the defect detection algorithm flow of pipeline robot is designed in detail; Finally, through the saturated steam Q235A（φ300×8 mm) pipeline, and the proposed algorithm is verified. The results show that the algorithm can adaptively adjust the image brightness to achieve brightness balance, and retain the image texture details. The detection and recognition accuracy of pipeline defects can reach 97%. Compared with the contrast algorithm, histogram equalization algorithm, SLVM algorithm and homomorphic filtering algorithm, the standard deviation of the algorithm is reduced by 71.2%, and the average gradient is increased by 15.1%, The PSNR is improved by 9.6%.

参考文献/References:

[1] 苏展，徐红伟，凌张伟，等.基于球形视频机器人的管道内缺陷检测方法研究[J].测控技术，2019，38(04):26-30+36.

[2] 董晴晴，王宏涛，李灏.基于图像处理技术的管道裂缝检测方法研究[J].应用科技，2018，45(01):96-100.
[3] 王泽根，谭静，刘蕾，等.管道内部缺陷定位的一致性检验改进算法[J].测绘科学技术学报，2016，33(04):336-340.
[4] 彭静，薛奉金，苑玉彬.基于多尺度Retinex和暗通道的自适应图像去雾算法[J].激光与光电子学进展，2021，58(04):117-125.
[5] 赵爱玲，张鹏程，刘祎.基于Retinex和同态滤波的X射线电池图像增强算法[J].测试技术学报，2021，35(02):128-133.
[6] 陈宇昊，彭力，朱良俊.基于机器视觉的汽车紧固组件检测系统设计[J].制造业自动化，2021，43(04):125-131.
[7] 王坤，刘沛伦，王力.基于FFWA的自适应Canny飞机蒙皮红外图像边缘检测[J].红外技术，2021，43(05):443-454.
[8] 王建新，朱煜，胡小锋，等.船体零件几何尺寸测量图像分割方法研究[J].机械与电子，2021，39(05):68-73.
[9] 姚建军.基于多数据融合和小波分解的油气管道缺陷检测方法研究[J].石油化工自动化，2020，56(02):28-32.
[10] 孙志刚，赵毅，刘传水，等.基于深度学习的金属焊接管道内壁缺陷检测方法研究[J].焊管，2020，43(07):1-7.
[11] 张尧，杨锋，罗宁昭，等.基于TMR阵列的脉冲涡流海水管路腐蚀检测技术[J].舰船科学技术，2021，43(09):88-91.
[12] 呼婧，刘思娇，郑莉，等.基于动态磁多极子场的管道内外壁缺陷区分方法[J].油气储运，2021，40(06):673-678.
[13] 沈建民，张子健，许波，等.基于几种常用超声方法的承压设备对接焊缝检测比对[J].电焊机，2021，51(06):75-80+91+116.
[14] 胡炜杰，熊碧波，蔡冲冲，等.油气输送管道泄漏风险识别技术发展概况[J].广州化工，2021，49(12):27-32.
[15] 高耀东，范要鹏.基于时间反转法的管道焊缝区缺陷检测研究[J].现代制造工程，2021(04):114-120+113.

相似文献/References:

[1]吴全玉,周 署,俞 洋,等.Hough算法在印刷电路板焊孔缺陷检测中的应用[J].工业仪表与自动化装置,2015,(06):56.
　WU Quanyu,ZHOU Shu,YU Yang,et al.Research Hough algorithm of detection technology for PCB holes defaults[J].Industrial Instrumentation & Automation,2015,(06):56.
[2]胡媛媛,杨 霞.基于机器人的管道内壁三维重建技术研究[J].工业仪表与自动化装置,2016,(04):121.
　HU Yuanyuan,YANG Xia.Study of 3D reconstruction techniques of pipe walls based on the robot[J].Industrial Instrumentation & Automation,2016,(06):121.
[3]王建冲,高军伟,张炳星,等.基于机器视觉的SOP芯片引脚缺陷检测系统[J].工业仪表与自动化装置,2022,(05):32.[doi:10.19950/j.cnki.cn61-1121/th.2022.05.006]
　WANG Jianchong,GAO Junwei,ZHANG Bingxing,et al.Design of SOP chip pin defect detection system based on machine vision[J].Industrial Instrumentation & Automation,2022,(06):32.[doi:10.19950/j.cnki.cn61-1121/th.2022.05.006]
[4]何军红,温观发,黎长鑫.优化Faster R-CNN算法的小样本缺陷检测研究[J].工业仪表与自动化装置,2024,(05):94.[doi:DOI:10.19950/j.cnki.cn61-1121/th.2024.05.018]
　HE Junhong,WEN Guanfa,LI Changxin.Research on small sample defect detection based on optimized Faster R-CNN algorithm[J].Industrial Instrumentation & Automation,2024,(06):94.[doi:DOI:10.19950/j.cnki.cn61-1121/th.2024.05.018]

备注/Memo

备注/Memo:
收稿日期：2021-07-15
作者简介：杨林超（1973），男，河南方城，工程师，本科，研究方向为机械设计及自动控制技术。
通信作者：张新锋（1976），男，河南新野，高级工程师，本科，研究方向为自动化。
更新日期/Last Update: 1900-01-01