基于圖像處理的油氣站場(chǎng)管道完整性檢測(cè)方法

劉 苒

(1.中國石油集團(tuán)工程技術(shù)研究有限公司，天津 300451;2.中國石油天然氣集團(tuán)公司石油管工程重點(diǎn)實(shí)驗(yàn)室 涂層材料與保溫結(jié)構(gòu)研究室，天津 300451)

油氣運(yùn)輸工程中油氣管道是最重要的組成部分，其完整性關(guān)系到油氣運(yùn)輸?shù)陌踩?。油氣管道多?shù)布置在野外，環(huán)境條件較為惡劣，易遭到破壞和腐蝕，造成油氣泄漏。油氣泄漏不僅會(huì)造成經(jīng)濟(jì)損失，資源浪費(fèi)，而且極易引發(fā)火災(zāi)，存在較大的安全隱患[1]。在此背景下，有關(guān)負(fù)責(zé)部門會(huì)安排專業(yè)人員對(duì)油氣站場(chǎng)管道的完整性進(jìn)行定期檢測(cè)，以便日常維護(hù)和檢修，降低泄漏事故的發(fā)生率。由于油氣管道線路較長(zhǎng)，布設(shè)環(huán)境惡劣，利用人工進(jìn)行檢測(cè)難度大，也無法做到實(shí)時(shí)檢測(cè)，效率較低[2]。

許少波等[3]針對(duì)負(fù)壓波法存在的缺陷，研究了超聲波流量計(jì)在油氣管道泄漏檢測(cè)中的應(yīng)用。該方法通過采集超聲波在流體中的傳播速度，利用流量與速度之間的關(guān)系式計(jì)算出管道中的石油液體的流量。一旦管道存在泄漏，管道中的流量平衡狀態(tài)就會(huì)被破壞，通過得到的石油液體流量數(shù)據(jù)就可以確定管道是否發(fā)生泄漏。楊輝等[4]提出了一種用于油氣管道缺口檢測(cè)的漏磁檢測(cè)方法，管道若無缺陷，磁力場(chǎng)分布規(guī)律；若存在缺陷，磁力線在缺陷部位會(huì)發(fā)生變形，由此可實(shí)現(xiàn)管道缺陷的識(shí)別和判定。王貴愚等[5]提出了一種基于STA/LTA算法的檢測(cè)方法。該方法主要通過分析負(fù)壓波波形變化特征來確定管道是否存在缺陷，然后再進(jìn)一步通過信號(hào)傳播的時(shí)間差來確定泄漏點(diǎn)位置。

雖然學(xué)者們的研究都取得了一定的成果，但這些方法都存在一定的局限性，例如超聲波法采集到的數(shù)據(jù)并不完全是缺陷數(shù)據(jù)，也包括銹斑和泥點(diǎn)數(shù)據(jù)。漏磁法易受管道表面自身雜質(zhì)的影響，且對(duì)較淺的缺陷檢測(cè)效果較差。負(fù)壓波形法則對(duì)一些細(xì)微泄漏點(diǎn)的檢測(cè)不準(zhǔn)確，因?yàn)槠鋲毫ψ兓ㄐ尾幻黠@。針對(duì)上述問題，筆者提出一種基于圖像處理的油氣站場(chǎng)管道完整性檢測(cè)方法，以提高管道完整性檢測(cè)的準(zhǔn)確性。

1 基于圖像處理技術(shù)的油氣管道完整性檢測(cè)研究

研究主要分為4部分，即油氣管道圖像采集、圖像處理、圖像特征提取以及油氣管道完整性判斷[6]。

1.1 油氣管道圖像采集

油氣管道完整性檢測(cè)的第一步是采集油氣管道圖像，然后通過分析圖像來識(shí)別缺陷。油氣管道布設(shè)在野外，在野外直接布設(shè)攝像頭進(jìn)行監(jiān)控是不現(xiàn)實(shí)的[7]。為此，文章通過管道機(jī)器人進(jìn)行油氣管道圖像采集，采集現(xiàn)場(chǎng)如圖1所示。

圖1 油氣管道圖像采集現(xiàn)場(chǎng)

管道機(jī)器人主要由6部分組成，即視覺感知系統(tǒng)(攝像頭)、控制中心、行走機(jī)構(gòu)、通信系統(tǒng)、照明系統(tǒng)以及電源[8]。這幾部分的具體功能如下所述。

(1) 視覺感知系統(tǒng)主要用于管道內(nèi)圖像的拍攝[9]。

(2) 控制中心運(yùn)行所有邏輯程序、接收和發(fā)射各種任務(wù)。

(3) 行走機(jī)構(gòu)是管道機(jī)器人的移動(dòng)載體，目前有履帶式、輪式、蠕動(dòng)式、多足行走式等幾種形式。需要根據(jù)管道材料、彎曲程度、運(yùn)輸物質(zhì)等進(jìn)行具體選擇[10]。

(4) 通信系統(tǒng)。通信系統(tǒng)是機(jī)器人與遠(yuǎn)程控制中心的聯(lián)系橋梁，負(fù)責(zé)將拍攝的圖像傳輸給控制中心。

(5) 照明系統(tǒng)。管道內(nèi)光線較暗，不利于圖像拍攝，因此需要通過照明系統(tǒng)提供光照輔助。

(6) 電源。電源為管道機(jī)器人運(yùn)行提供驅(qū)動(dòng)力。

1.2 圖像處理

1.2.1 圖像灰度化

使用加權(quán)平均法對(duì)圖像進(jìn)行灰度化[11]，其公式為

F′(i,j)=0.30R(i,j)+0.59G(i,j)+

0.11B(i,j)

(1)

式中：F′(i,j)為圖像灰度化后(i,j)處的灰度值；R(i,j)、G(i,j)、B(i,j)為紅、綠、藍(lán)色的分量。

1.2.2 圖像濾波

受到外部環(huán)境和采集系統(tǒng)內(nèi)部設(shè)備運(yùn)行產(chǎn)生的噪聲影響，拍攝的油氣管道圖像中存在很多噪點(diǎn)。噪點(diǎn)的存在會(huì)模糊圖像中的細(xì)節(jié)信息，不利于細(xì)小缺陷的檢測(cè)[12]。因此文章使用自適應(yīng)中值濾波法對(duì)圖像進(jìn)行濾波處理。該方法由中值濾波法發(fā)展而來，中值濾波法原理如下所述。

(2)

式中：F(i,j)為中值濾波后(i,j)處的灰度；{fij}為圖像濾波模板內(nèi)所有像素點(diǎn)的數(shù)值集合；A為濾波模板。

由于中值濾波法的模板是固定的，當(dāng)模板內(nèi)的噪聲點(diǎn)數(shù)量多于正常像素點(diǎn)時(shí)，該方法的去噪效果就受到極大的限制，而自適應(yīng)中值濾波法使得模板能夠根據(jù)噪聲情況進(jìn)行自適應(yīng)改變[13]。圖像濾波過程如下所述。

(1) 確定初始濾波窗口，以5×5 模板為例。

(2) 計(jì)算模板內(nèi)所有像素的灰度，并按照從小到大的順序排序。

(3) 從像素點(diǎn)序列中選出最小值fmin、最大值fmax、中間值fmed以及任意點(diǎn)的像素fij。

(4) 判斷中間值fmed是否大于最小值fmin且小于最大值fmax。若是，進(jìn)一步判斷任意點(diǎn)的像素fij是否大于最小值fmin且小于最大值fmax，若是，進(jìn)入下一步；否則，輸出中間值fmed，利用中間值代替模板內(nèi)的其他像素值。若否，增加新濾波窗口，并判斷新的濾波窗口中任意點(diǎn)的像素Aij是否不大于新濾波窗口中的最大值A(chǔ)max，若是，回到步驟(2)；否則進(jìn)入下一步。

(5) 圖像中任意點(diǎn)的像素fij原來的灰度不變。

自適應(yīng)中值濾波達(dá)到去噪目的的同時(shí)，也不至于使得圖像中的細(xì)節(jié)信息被模糊掉。

1.2.3 直方圖均衡化

受光線影響采集到的管道圖像明暗不一，有的曝光過度，有的曝光過低。為了解決這一問題，進(jìn)行直方圖均衡化[14]。具體過程如下所述。

(1) 計(jì)算管道圖像中每一階灰度值出現(xiàn)的頻率。計(jì)算式為

Q(sk)=mk/M

(3)

式中：sk為第k級(jí)的灰度值；Q(sk)為sk出現(xiàn)的頻率；mk為sk的像素個(gè)數(shù)；M為圖像中像素點(diǎn)總數(shù)。

(2) 按照式(4)計(jì)算第k級(jí)灰度值sk的累積頻率Yk。

(4)

(3) 按照式(5)計(jì)算原始灰度級(jí)對(duì)應(yīng)的映射灰度級(jí)Rk。

Rk=int{[max(sk)-min(sk)]·Yk+0.5}

(5)

式中：max(sk),min(sk)為第k級(jí)灰度值的最大值和最小值。

(4) 根據(jù)映射關(guān)系輸出均衡化后的圖像。

經(jīng)過均衡化后，圖像對(duì)比度得到了很大的提高。

1.3 管道缺陷特征提取

管道完整性檢測(cè)以從圖像中提取出的特征參數(shù)作為參考[15]。該章節(jié)以管道缺陷特征提取為重點(diǎn)進(jìn)行研究，具體流程如圖2所示。

圖2 管道缺陷特征提取流程

缺陷面積通過直接計(jì)算黑色像素點(diǎn)數(shù)量即可得到。缺陷周長(zhǎng)指黑色像素點(diǎn)覆蓋區(qū)域最外圍的長(zhǎng)度,計(jì)算式為

(6)

式中：L為缺陷周長(zhǎng)；α,β為鏈碼值為奇數(shù)、偶數(shù)的個(gè)數(shù)。

缺陷圓形度是指區(qū)域形狀的緊湊程度,計(jì)算式為

γ=L2/C

(7)

式中：γ為缺陷的圓形度；C為缺陷區(qū)域的面積。

缺陷梯度描述了缺陷部位像素值的變化率,計(jì)算式為

B=G1/G2

(8)

式中：B為缺陷梯度；G1為圖像矩陣像素點(diǎn)中垂直方向的像素值；G2為圖像矩陣像素點(diǎn)中水平方向的像素值。

1.4 油氣管道完整性判斷

基于上述提取的特征參數(shù)，通過構(gòu)建分類器來進(jìn)行油氣管道完整性判斷，具體流程如圖3所示。

圖3 油氣管道完整性判斷流程

構(gòu)建的分類器為DBN(深度置信網(wǎng)絡(luò))，是深度學(xué)習(xí)中的一種，由輸入層、若干堆疊的隱藏層和輸出層構(gòu)成，其與一般神經(jīng)網(wǎng)絡(luò)運(yùn)行的過程一樣，需要進(jìn)行訓(xùn)練，調(diào)整各層連接權(quán)值和閾值，然后將不同類型缺陷的5個(gè)特征值輸入到訓(xùn)練好的模型當(dāng)中，即可實(shí)現(xiàn)油氣管道完整性檢測(cè)[16]。

2 仿真測(cè)試與分析

為測(cè)試所研究檢測(cè)方法在油氣站場(chǎng)管道完整性檢測(cè)中的效果，在MATLAB仿真平臺(tái)上進(jìn)行試驗(yàn)。

2.1 樣本采集

利用管道機(jī)器人采集某一段油氣模擬管道圖像，共采集到22 521幅，將這些圖像共分為6類，不同類型的圖像分布情況如圖4所示。

圖4 不同類型圖像的分布情況

2.2 圖像處理結(jié)果

選取一幅圖像，對(duì)其進(jìn)行預(yù)處理，預(yù)處理結(jié)果如圖5所示。

圖5 某幅圖像的預(yù)處理結(jié)果

2.3 幾何特征提取

計(jì)算圖像樣本的缺陷面積、缺陷周長(zhǎng)、缺陷圓形度、缺陷長(zhǎng)軸與短軸之比、缺陷梯度等5個(gè)幾何特征參數(shù)，部分結(jié)果如表1所示。

表1 部分圖像的幾何特征參數(shù)

2.4 評(píng)價(jià)指標(biāo)

為定量描述所研究檢測(cè)方法的精確度，計(jì)算缺陷識(shí)別質(zhì)量指數(shù)Q，Q越大(大于8.0)，缺陷識(shí)別質(zhì)量越高，其計(jì)算式為

(9)

式中：c為完整性，c=X/Z；e為錯(cuò)誤性，e=Y/U；X為實(shí)際缺陷樣本數(shù)目；Z為理論缺陷樣本的總數(shù)；Y為正確識(shí)別的樣本數(shù)；U為缺陷識(shí)別的總樣本數(shù)。

2.5 檢測(cè)結(jié)果與分析

利用給出的訓(xùn)練樣本對(duì)分類器進(jìn)行訓(xùn)練，然后將測(cè)試樣本特征的參數(shù)輸入到分類器當(dāng)中，計(jì)算得到的缺陷識(shí)別質(zhì)量指數(shù)結(jié)果如表2所示。

表2 缺陷識(shí)別質(zhì)量指數(shù)結(jié)果

由表2可以看出，缺陷識(shí)別質(zhì)量指數(shù)均大于8.0，說明所研究方法的完整性檢測(cè)結(jié)果較為準(zhǔn)確，達(dá)到了研究目標(biāo)。

3 結(jié)語

筆者所研究的油氣站場(chǎng)管道完整性檢測(cè)方法主要利用圖像處理技術(shù)對(duì)圖像進(jìn)行處理，基于處理結(jié)果，通過分類器實(shí)現(xiàn)管道的完整性檢測(cè)。仿真測(cè)試表明，該方法的缺陷識(shí)別質(zhì)量指數(shù)大于8.0，能夠滿足檢測(cè)精度要求。