一种海底管道表面缺陷检测装置及检测方法与流程
1.本发明涉及管道检修技术领域，尤其涉及一种海底管道表面缺陷检测装置及检测方法。
背景技术：
2.海底管道作为海上油气田的生命线，其在海洋石油开发中发挥着重要作用；但恶劣的工作条件下，海底管道经常因腐蚀、波流冲刷或其他机械破坏等原因而失效，因此，海底管道的安全一直是本领域的难题，随着“机器人”技术的广泛应用，应用特定的机器人对海底管道进行巡检也越来越普及，甚至还有一些专门针对海底管道表面进行清洁的清扫机器人，然而由于海底的水质、水体状态较为复杂，其对视觉检测技术的应用存在一定的干扰和制约，因此，在海底管道巡检方面，目前还尚未有较为广泛的应用视觉技术对海底管道表面进行巡检和缺陷检测，因此，如何优化海底管道表面影像采集，提高视觉技术在海底管道表面缺陷检测的精度、可靠性是非常具有现实意义的研究课题。
技术实现要素：
3.有鉴于此，本发明的目的在于提出一种实施可靠、应用灵活且能够对所采集的海底管道表面影像进行特征增强修饰的海底管道表面缺陷检测装置及检测方法。
4.为了实现上述的技术目的，本发明所采用的技术方案为：
5.一种海底管道表面缺陷检测方法，其包括：
6.s01、构建数据库，该数据库内存储有多种管道缺陷图像；
7.s02、获取数据库内的管道缺陷图像且按预设条件对其进行格式调整，然后进行缺陷标注，再将经标注的管道缺陷图像和未标注的管道缺陷图像进行关联后，汇集形成第一训练数据集；
8.s03、获取第一训练数据集，按预设条件在第一训练数据集中选取预设量的数据作为训练数据和验证数据，然后将训练数据和验证数据导入到神经网络中训练至模型收敛，获得用于对海底管道表面缺陷进行检测的检测神经网络；
9.s04、按预设条件采集海底管道表面影像且同步生成与海底管道表面影像关联的定位信息；
10.s05、获取所采集的海底管道表面影像且对其进行去噪处理后，导入到检测神经网络中进行检测，由检测神经网络输出检测结果；
11.s06、获取检测结果，当检测结果为存在缺陷时，将该海底管道表面影像和与其关联的定位信息进行输出。
12.作为一种较优的选择实施方式，优选的，本方案s05中采用去噪神经网络对所采集的海底管道表面影像进行去噪处理，该去噪神经网络的构建方法包括：
13.a01、构建与海底管道布设海域对应的仿真模拟场景且令场景背景为透明或纯；
14.a02、在仿真模拟场景中制造出不同预设流速、流体状态和/或光斑情况下的海水状态，然后对其进行影像采集且分割为多个图像帧，再对图像帧去除背景后，将图像帧透明度设置在30％～60％之间并输出多张不同影像透明度下的图像噪声数据，图像噪声数据经汇集后，获得流体噪声数据集；
15.a03、获取数据库内的管道缺陷图像且按预设条件对其进行格式调整，然后将流体噪声数据集中的图像噪声数据与管道缺陷图像进行随机组合叠加，获得经噪声处理的管道缺陷图像，再将经噪声处理的管道缺陷图像和未噪声处理的管道缺陷图像进行关联后，汇集形成第二训练数据集；
16.a04、获取第二训练数据集，按预设条件在第二训练数据集中选取预设量的数据作为训练数据和验证数据，然后将训练数据和验证数据导入到神经网络中训练至模型收敛，获得用于对海底管道表面影像进行去噪处理的去噪神经网络。
17.作为一种较优的选择实施方式，优选的，本方案s04中按预设条件采集海底管道表面影像且同步生成与海底管道表面影像关联的定位信息包括：
18.s041、以海底管道长度方向为采集前进方向，以海底管道径向中心为旋转中心，呈螺旋式或在预设弧度内进行往复摆动采集海底管道的表面影像，同时记录采集时间；
19.s042、以海底管道表面影像采集起点作为定位点之一，建立第一坐标(x1,y1,z1)，其采集终点作为第n坐标(xn,yn,zn)，实时记录采集轨迹及坐标变化情况，然后以采集时间和坐标记录时间作为共同因素，将海底管道表面影像与坐标信息关联，生成定位信息。
20.作为一种较优的选择实施方式，优选的，本方案由第一坐标至第n坐标所采集的海底管道表面影像的影像范围覆盖海底管道的非视野盲区和非影像采集盲区。
21.作为一种较优的选择实施方式，优选的，本方案还包括：
22.s07、根据所采集的海底管道表面影像和定位信息，对海底管道进行影像建模；
23.s08、获取检测结果，当检测结果为存在缺陷时，根据该海底管道表面影像和与其关联的定位信息在影像建模中进行定位和可视化输出。
24.作为一种较优的选择实施方式，优选的，本方案s07中根据所采集的海底管道表面影像和定位信息，对海底管道进行影像建模的数据还被存储于数据库中且记录其对应的建模时间和海底管道表面影像采集时间。
25.作为一种较优的选择实施方式，优选的，本方案还包括：
26.s09、获取检测结果为存在缺陷的海底管道表面影像和与其关联的定位信息，且相应生成检修信息，由检修维护人员获取检修信息并对存在缺陷的海底管道区域进行检修且在检修完成后，上传修复区域的海底管道表面影像；
27.s10、获取修复区域的海底管道表面影像，且将其更新替换入检修信息对应的海底管道的影像建模中，且对替换下的海底管道表面影像进行保存和关联。
28.作为一种较优的选择实施方式，优选的，本方案获取检测结果，当检测结果为存在缺陷时，读取数据库以判断该海底管道是否存在海底管道表面影像采集的历史记录和影像建模记录，当存在时，调取当下检测结果为存在缺陷的海底管道在最近一次所采集的海底管道表面影像且一并关联输出。
29.基于上述，本发明方案还提供一种海底管道表面缺陷检测装置，其包括：
30.数据存储单元，用于构建数据库，该数据库内存储有多种管道缺陷图像；
31.影像处理单元，用于获取数据库内的管道缺陷图像且按预设条件对其进行格式调整，然后进行缺陷标注，再将经标注的管道缺陷图像和未标注的管道缺陷图像进行关联后，汇集形成第一训练数据集；
32.检测神经网络单元，用于对海底管道表面缺陷进行检测且输出检测结果；
33.数据调度单元，用于获取第一训练数据集，按预设条件在第一训练数据集中选取预设量的数据作为训练数据和验证数据，然后将训练数据和验证数据导入到神经网络中训练至模型收敛，获得用于对海底管道表面缺陷进行检测的检测神经网络；
34.影像采集单元，用于按预设条件采集海底管道表面影像；
35.定位单元，用于同步生成与海底管道表面影像关联的定位信息；
36.影像预处理单元，用于获取所采集的海底管道表面影像且对其进行去噪处理后，导入到检测神经网络中进行检测，由检测神经网络输出检测结果；
37.信息调度单元，用于获取检测结果，当检测结果为存在缺陷时，将该海底管道表面影像和与其关联的定位信息进行输出。
38.基于上述，本发明方案还提供一种计算机可读的存储介质，所述的存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述的至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行实现上述所述的海底管道表面缺陷检测方法。
39.采用上述的技术方案，本发明与现有技术相比，其具有的有益效果为：本方案巧妙性通过引入经训练的神经网络对所采集的海底管道表面影像进行缺陷检测处理，其大大提高了处理效率，同时，结合影像采集时同步生成的定位信息，能够使得检测神经网络输出的结果为管道具有缺陷时，进行快速输出具有缺陷的海底管道表面影像和与其关联的定位信息，该机制使得检修人员能够快速对管道缺陷的位置进行定位，以提高检修措施、方案的形成效率，另外，本方案还通过实际应用场景来构建与海底水体状态情况适应性的去噪训练集，然后通过训练去噪神经网络来对所采集的海底管道表面影像进行去噪处理，其能够更高质量、高效率和高准确率地实现海底影像的去噪，为检测神经网络的识别检测提供了数据保证，使得本方案实施更为可靠、应用更加灵活。
附图说明
40.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
41.图1是本发明方案的简要实施流程示意图之一；
42.图2是本发明方案的构建去噪神经网络的简要实施流程示意图；
43.图3是本发明方案的步骤s4的细节流程示意图；
44.图4是本发明方案的局部流程示意图之一；
45.图5是本发明方案的局部流程示意图之二；
46.图6是本发明方案的单元模块连接示意图。
具体实施方式
47.下面结合附图和实施例，对本发明作进一步的详细描述。特别指出的是，以下实施例仅用于说明本发明，但不对本发明的范围进行限定。同样的，以下实施例仅为本发明的部分实施例而非全部实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
48.如图1所示，本实施例方案一种海底管道表面缺陷检测方法，其包括：
49.s01、构建数据库，该数据库内存储有多种管道缺陷图像；
50.s02、获取数据库内的管道缺陷图像且按预设条件对其进行格式调整，然后进行缺陷标注，再将经标注的管道缺陷图像和未标注的管道缺陷图像进行关联后，汇集形成第一训练数据集；
51.s03、获取第一训练数据集，按预设条件在第一训练数据集中选取预设量的数据作为训练数据和验证数据，然后将训练数据和验证数据导入到神经网络中训练至模型收敛，获得用于对海底管道表面缺陷进行检测的检测神经网络；
52.s04、按预设条件采集海底管道表面影像且同步生成与海底管道表面影像关联的定位信息；
53.s05、获取所采集的海底管道表面影像且对其进行去噪处理后，导入到检测神经网络中进行检测，由检测神经网络输出检测结果；
54.s06、获取检测结果，当检测结果为存在缺陷时，将该海底管道表面影像和与其关联的定位信息进行输出。
55.结合图2所示，由于海底中的海水可能会因为各种外在因素而呈现不同的流体状态，而不可避免地，对海底管道进行影像摄取时，会将海水的影像也一并摄取，此时，所获取的影像情况会呈现出管道影像上叠加了一定透明度的水体，而通过人工的方式来进行判断，则会导致需要占用大量的人力，为了提高处理效率和节约人力，本实施例方案引入神经网络进行辅助处理，具体的，作为一种较优的选择实施方式，优选的，本方案s05中采用去噪神经网络对所采集的海底管道表面影像进行去噪处理，该去噪神经网络的构建方法包括：
56.a01、构建与海底管道布设海域对应的仿真模拟场景且令场景背景为透明或纯；
57.a02、在仿真模拟场景中制造出不同预设流速、流体状态和/或光斑情况下的海水状态，然后对其进行影像采集且分割为多个图像帧，再对图像帧去除背景后，将图像帧透明度设置在30％～60％之间并输出多张不同影像透明度下的图像噪声数据，图像噪声数据经汇集后，获得流体噪声数据集；
58.a03、获取数据库内的管道缺陷图像且按预设条件对其进行格式调整，然后将流体噪声数据集中的图像噪声数据与管道缺陷图像进行随机组合叠加，获得经噪声处理的管道缺陷图像，再将经噪声处理的管道缺陷图像和未噪声处理的管道缺陷图像进行关联后，汇集形成第二训练数据集；
59.a04、获取第二训练数据集，按预设条件在第二训练数据集中选取预设量的数据作为训练数据和验证数据，然后将训练数据和验证数据导入到神经网络中训练至模型收敛，获得用于对海底管道表面影像进行去噪处理的去噪神经网络。
60.a02中，图像帧的透明度可以设置在30％、35％、40％、45％、50％或60％。
61.结合图3所示，为了能够方便将所采集的海底管道表面影像与其所采集的位置坐标记关联，本方案s04中按预设条件采集海底管道表面影像且同步生成与海底管道表面影像关联的定位信息包括：
62.s041、以海底管道长度方向为采集前进方向，以海底管道径向中心为旋转中心，呈螺旋式或在预设弧度内进行往复摆动采集海底管道的表面影像，同时记录采集时间；
63.s042、以海底管道表面影像采集起点作为定位点之一，建立第一坐标(x1,y1,z1)，其采集终点作为第n坐标(xn,yn,zn)，实时记录采集轨迹及坐标变化情况，然后以采集时间和坐标记录时间作为共同因素，将海底管道表面影像与坐标信息关联，生成定位信息。
64.为了能够尽可能地获取海底管道的影像，避免不必要地局部丢失而导致检查遗漏，作为一种较优的选择实施方式，优选的，本方案由第一坐标至第n坐标所采集的海底管道表面影像的影像范围覆盖海底管道的非视野盲区和非影像采集盲区。
65.结合图4所示，本方案中，对于远程监控而言，若是仅仅通过快速查阅所采集的海底管道表面影像的方式进行了解全局，则很有可能导致目不暇接，同时错过更多地内容细节，作为一种较优的选择实施方式，优选的，本方案还包括：
66.s07、根据所采集的海底管道表面影像和定位信息，对海底管道进行影像建模，其中，所采用的海底管道表面影像为经去噪的影像；
67.s08、获取检测结果，当检测结果为存在缺陷时，根据该海底管道表面影像和与其关联的定位信息在影像建模中进行定位和可视化输出。
68.而为了进一步对不同检测时间的海底管道表面影像进行直观对比，作为一种较优的选择实施方式，优选的，本方案s07中根据所采集的海底管道表面影像和定位信息，对海底管道进行影像建模的数据还被存储于数据库中且记录其对应的建模时间和海底管道表面影像采集时间。
69.结合图5所示，为了能够在图4所示的机制上，进一步提高方案的人性化和直观化，以及检修情况跟进，本方案还包括：
70.s09、获取检测结果为存在缺陷的海底管道表面影像和与其关联的定位信息，且相应生成检修信息，由检修维护人员获取检修信息并对存在缺陷的海底管道区域进行检修且在检修完成后，上传修复区域的海底管道表面影像；
71.s10、获取修复区域的海底管道表面影像，且将其更新替换入检修信息对应的海底管道的影像建模中，且对替换下的海底管道表面影像进行保存和关联。
72.作为一种较优的选择实施方式，优选的，本方案获取检测结果，当检测结果为存在缺陷时，读取数据库以判断该海底管道是否存在海底管道表面影像采集的历史记录和影像建模记录，当存在时，调取当下检测结果为存在缺陷的海底管道在最近一次所采集的海底管道表面影像且一并关联输出。
73.本方案通过将检测结果存在瑕疵、缺陷的海底管道表面影像与上一次检测的影像进行一并输出，可有效辅助后台维护人员进行分析对比，同时，该机制还有助于及时进行调取历史数据，在节约人力的同时，大大提高了后台维护人员的素材汇集效率。
74.由于本方案可适配于不同区域的海底管道检测，因此，为了能够让使用过程中的海底管道表面影像反哺神经网络模型，令神经网络模型能够跟随方案的使用而更进一步提高处理准确率和检测可靠性，本方案还可以包括：通过人工方式对检测结果为存在缺陷的
海底管道图像进行进一步标记，当标记符合预设要求时，将检测结果和海底管道图像关联且存储于第一训练集中，同时，第一训练集中的训练数据均记录有编号，然后按预设时间周期，将第一训练集中编号在预设区域间的数据导入到检测神经网络中训练和验证，当训练预设次数后，验证准确率达到预设值时，更新检测神经网络，当训练预设次数后，验证准确率未达到预设值时，则继续将训练数据导入检测神经网络中再次训练，直至模型收敛。
75.如图6所示，基于上述，本实施例方案还提供一种海底管道表面缺陷检测装置，其包括：
76.数据存储单元，用于构建数据库，该数据库内存储有多种管道缺陷图像还用于存储第一训练数据集和采集所获的海底管道表面影像及关联的定位信息；
77.影像处理单元，用于获取数据库内的管道缺陷图像且按预设条件对其进行格式调整，然后进行缺陷标注，再将经标注的管道缺陷图像和未标注的管道缺陷图像进行关联后，汇集形成第一训练数据集；
78.检测神经网络单元，用于对海底管道表面缺陷进行检测且输出检测结果；
79.数据调度单元，用于获取第一训练数据集，按预设条件在第一训练数据集中选取预设量的数据作为训练数据和验证数据，然后将训练数据和验证数据导入到神经网络中训练至模型收敛，获得用于对海底管道表面缺陷进行检测的检测神经网络；
80.影像采集单元，用于按预设条件采集海底管道表面影像；
81.定位单元，用于同步生成与海底管道表面影像关联的定位信息；
82.影像预处理单元，用于获取所采集的海底管道表面影像且对其进行去噪处理后，导入到检测神经网络中进行检测，由检测神经网络输出检测结果；
83.信息调度单元，用于获取检测结果，当检测结果为存在缺陷时，将该海底管道表面影像和与其关联的定位信息进行输出。
84.另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
85.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
86.以上所述仅为本发明的部分实施例，并非因此限制本发明的保护范围，凡是利用本发明说明书及附图内容所作的等效装置或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
