[发明专利]埋地管道智能维修决策方法及装置

说明书

本发明公开了一种埋地管道智能维修决策方法及装置，方法包括：获取待进行维修决策的管道的目标磁应力图片；将所述目标磁应力图片输入至预先训练好的维修决策模型中，得到所述目标磁应力图片的维修决策结果；维修决策结果包括缺陷像素位置和维修等级；所述预先训练好的维修决策模型为将预先已确定缺陷像素位置及维修等级的样本磁应力图片作为模型的输入，将所述样本磁应力图片中的缺陷像素位置和维修等级作为模型的输出，对神经网络模型进行训练和测试后得到的。本发明基于磁感应信号图片数据，提出一种适应性强且不受人为主观因素影响的智能维修决策方法，提高了检测结果解析的准确性，避免盲目维修，可以极大地提高经济性和降低劳动力。

技术领域

本发明涉及管道安全技术领域，具体涉及一种埋地管道智能维修决策方法及装置。

背景技术

厂内管道是炼化厂、站场生产的命脉，是各设施的纽带。厂内埋地管道检测难度大、腐蚀严重，时常发生泄漏等问题，对环境、安全和经济都带来巨大损失。目前厂内埋地管道的开挖检测的方法主要为磁应力检测。

现有技术通过磁感应信号进行管道维修决策的方式是，检测公司根据磁感应图片，结合人工经验排查干扰信号后，依据相关分级标准对磁应力检测信号异常进行分级(轻度、中度、重度)，管道企业根据检测公司提供的分级结果制定维修决策，对严重异常进行开挖修复。管道在进行磁应力检测时，因检测方法是非接触的，容易受到周围环境中的树木、金属等对检测信号的干扰，在信号解析时，因人员水平差异较大，且工作量巨大，导致人工排查干扰信号准确度低、工作效率低下，对信号的误判、漏判情况时常发生，不仅造成企业盲目维修，还会因停工停产造成经济损失和社会影响。此外，对于管道企业而言，检测信号图片数据信息量巨大但数据潜力无法有效挖掘，造成数据资源的浪费。

发明内容

针对现有技术存在的问题，本发明实施例提出一种埋地管道智能维修决策方法及装置。

具体地，本发明实施例提供了以下技术方案：

第一方面，本发明实施例提供了一种埋地管道智能维修决策方法，包括：

获取待进行维修决策的管道的目标磁应力图片；其中，所述目标磁应力图片为所述待进行维修决策的管道的磁应力检测信号图；

将所述目标磁应力图片输入至预先训练好的维修决策模型中，得到所述目标磁应力图片的维修决策结果；其中，所述维修决策结果包括缺陷像素位置和维修等级；

其中，所述预先训练好的维修决策模型为将预先已确定缺陷像素位置及维修等级的样本磁应力图片作为模型的输入，将所述样本磁应力图片中的缺陷像素位置和维修等级作为模型的输出，对神经网络模型进行训练和测试后得到的。

进一步地，所述的埋地管道智能维修决策方法，还包括：所述维修决策模型的训练过程；

其中，所述维修决策模型的训练过程包括：

收集预设数量的样本磁应力图片；其中，所述预设数量的样本磁应力图片中需要覆盖各种缺陷像素位置和各种维修等级；

根据检测信号解析专家凭经验或开挖确定所述预设数量的样本磁应力图片的缺陷像素位置及维修等级；

将预先已确定缺陷像素位置及维修等级的样本磁应力图片作为模型的输入，将所述样本磁应力图片中的缺陷像素位置和维修等级作为模型的输出，基于智能学习算法对神经网络模型进行训练和测试，得到维修决策模型。

进一步地，在收集预设数量的样本磁应力图片之后，所述方法还包括以下步骤：

对所述样本磁应力图片进行统一尺度调整，具体包括：

首先统计每个被检管段图片的检测里程X_max、平均检测里程像素长度L_src以及平均原始像素长度平均宽度四舍五入到整数；