[发明专利]一种基于窗体特征的漏磁管道缺陷位置提取方法

说明书

本发明公开了一种基于窗体特征的漏磁管道缺陷位置提取方法，其包括：步骤1、提取样本后基于窗体对所提取的样本进行特征提取，利用历史漏磁数据学习特征参数并建立识别模型；所述特征包括显著性特征、对比度特征、中心点特征及指纹特征；步骤2、首先对任意一段待测数据进行异常检测，以确定相应的异常区域；其次分两个阶段对所确定的异常区域进行缺陷位置提取以获得相应的识别结果；所述的两个阶段是指对单个缺陷的识别阶段及对多个缺陷的识别及分割阶段；步骤3、基于所获得识别结果进行效果评估。该方法通过内外环的伸缩考虑了测量窗体与周围背景发的差异程度，增强了模型识别效果且避免了过多的人为干预，增加了算法的可移植性。

技术领域

本发明涉及故障诊断及人工智能的技术领域，具体说是涉及一种基于窗体特征的漏磁管道缺陷位置提取方法。

背景技术

导磁性钢制管道被广泛应用于石油和天然气的输送。随着在役管道运行时间的增加，管道潜在的泄漏风险也在提升。因此定期对管道进行安全评估变得尤其重要。作为预防管道泄漏的关键技术之一，无损检测被广泛应用。目前，管道内检测无损检测方法包括：漏磁检测、涡流检测和超声检测。其中，漏磁检测技术被广泛应用于几乎90％的在役管道中。这种毋庸置疑的领导地位源于：1)漏磁检测技术对检测环境要求低，不受传送介质的影响，能够同时检测内外缺陷；2)能够实现缺陷的初步量化。

一般来说，对于一个成功的缺陷位置提取方法，首先应该有良好的缺陷和非缺陷的分类精度，其次它应该保证识别到的缺陷具有良好定义的边界。如果缺陷的识别出现问题，比如大型严重缺陷的漏检，一个意想不到的泄漏事件将会发生。这将带来巨大的经济损失和环境污染。同时，如果缺陷的边界不能够被很好的定义，缺陷区域也许会大于实际缺陷区域成为过包含区域，或者小于实际缺陷区域成为欠包含区域。这种未被良好定义的缺陷将会给后续的安全评估带来许多问题。比如，针对缺陷的三维轮廓反演问题，如果缺陷区域属于过包含，自由度势必会增加，最终导致反演迭代时间的增加。同时，如果缺陷区域属于欠包含，缺陷最终的反演尺寸将会受到影响。

通过查阅文献学习，缺陷的识别问题一般是从模型的角度通过对一些直接特征的提取，最后达到识别的目的。然而这些特征仅仅包含区域的部分特征，很难保证良好的分类精度。同时，很少有文献研究如何提取缺陷的精确边界，比如多缺陷(很多个缺陷聚集在一起的区域)的分割问题。实际上，真实的腐蚀环境中很少有单独缺陷，绝大多数缺陷都是聚集在一起。因此，多缺陷的分割显得尤其重要。另外，绝大多数文献仅仅考虑识别问题，识别区域被假设已知，然而如何去确定识别区域很少被介绍。

发明内容

鉴于已有技术存在的缺陷，本发明的目的是要提供一种基于窗体特征的漏磁管道缺陷位置提取方法，

其提出了四种基于窗体的含有参数的特征：显著性特征、对比度特征、中心点特征以及指纹特征，并将朴素贝叶斯网络应用于参数学习中以保证最优的特征参数值和避免人工阈值干预，此外，本发明同时提出了一种2阶段的缺陷区域提取方法。

为了实现上述目的，本发明的技术方案：

一种基于窗体特征的漏磁管道缺陷位置提取方法，其特征在于，包括如下步骤：

步骤1、建立识别模型：提取样本后基于窗体对所提取的样本进行相应的特征提取，利用历史漏磁数据学习相应的特征参数并建立相应识别模型；所述样本包括缺陷样本及非缺陷样本，所述的特征包括显著性特征、对比度特征、中心点特征及指纹特征；

步骤2、对任意一段待测漏磁数据进行缺陷位置区域提取：首先对任意一段待测数据进行异常检测，以确定相应的异常区域；其次分两个阶段对所确定的异常区域进行缺陷位置提取以获得相应的识别结果；所述的两个阶段是指对单个缺陷的识别阶段及对多个缺陷的识别及分割阶段；

步骤3、基于所获得识别结果进行效果评估，所评估的效果包括分类识别效果和边界界定效果。

优选的，所述步骤1包括：