Affiliation of Author(s):机电学院

Journal:图学学报

Key Words:管道缺陷检测;图像处理;粒子群优化;聚类分析;统计模式识别;

Abstract:管道作为工业、核设施、石油天然气等领域中常用的物料输送手段,在使用过程中极易出现各类缺陷,传统的人工检测存在准确率低、效率低、成本高等缺点,采用数字图像处理技术可以对管道图像进行自动检测与分类,有效克服上述缺点。首先使用图像增强、图像分割、数学形态学以及边界跟踪对图像进行预处理,在提取出缺陷区域的尺寸、形状和纹理特征后,选择圆形度、凸度、离心率、熵、相关性和聚集度作为模式识别的特征向量,最后综合使用基于粒子群优化的K-means聚类分析和统计模式识别分类器进行分类。使用文中的图像预处理算法可以成功的将管道缺陷提取出来,达到管道缺陷自动检测的目的。基于粒子群优化的K-means聚类分析成功的将管道缺陷图像归为裂纹缺陷、管接头缺陷和孔形腐蚀三类,相比于传统K-means算法,聚类准确率分别提高9%、16.7%、12.5%。综合使用基于粒子群优化的K-means聚类分析和统计模式识别分类器对管道缺陷进行分类,三类缺陷的分类准确率均在80%以上,其中管接头缺陷和孔形腐蚀的准确率达到90%以上。综上,综合集成出了一套基于数字图像处理技术的管道缺陷自动检测与分类算法方案,实验结果表明,该算法方案具有自动化程度高、通用性强、准确率高的特点。

Translation or Not:no

Date of Publication:2017-12-15

Co-author:李灏,董晴晴

Correspondence Author:wht