[发明专利]一种基于机器视觉的天然气管线保温层缺陷检测方法

权利要求书

1.一种基于机器视觉的天然气管线保温层缺陷检测方法，其特征在于包括以下步骤：

步骤一、将待检测液化天然气管线置于暗处，调整摄像机的位置，使摄像机的镜头对准待检测液化天然气管线的一端，并将光照系统置于摄像机暗场；

步骤二、开启摄像机与照明系统，拍摄n张待检测液化天然气管线的保温层在该位置下的保温层表面图片并记为第一组图片，然后将待检测液化天然气管线绕其轴线旋转，再次拍摄n张待检测液化天然气管线的保温层在该位置下的保温层表面图片并记为第二组图片，重复上述步骤直至最后完成该段待检测液化天然气管线的保温层的整周拍摄；

步骤三、重复步骤一、二，逐段完成各段液化天然气管线的保温层的拍摄直至将整根待检测液化天然气管线保温层拍摄完成；

步骤四、将拍摄得到的每组保温层图片分别上传到电脑，统计每张保温层图片中各像素点的灰度值，记为r_i，j(x，y)；

其中:

x，y分别表示每张保温层图片像素点的横坐标、纵坐标；

i表示保温层图片属于第i组图片；

j表示保温层图片是该组图片的第j张；

步骤五、采用图像处理模块将同一组保温层图片各像素点灰度值求平均值，去掉噪声的影响，得到与每组保温层图片对应的一张保温层新图片，所述的保温层新图片各像素点灰度值记为

则有

步骤六、将每一组做平均得到的保温层新图片各个像素点的灰度值输入神经网络模块，利用MLP神经网络算法进行灰度阈值预测模型的训练，得到阈值r_i，并根据阈值r_i对图片进行二值化处理，得到二值图片，然后在二值图片中找到缺陷区域，具体过程如下：

步骤七、在液化天然气管线保温层缺陷检测的实际作业中，选取一根待检测管线，依次经过步骤一、二、三、四、五过程，并利用步骤六中得到的阈值进行图像二值化，然后根据二值化图像找到液化天然气管线保温层对应的缺陷位置；

步骤八、识别出缺陷后，将有缺陷的天然气管线保温层进行重新修复处理，处理完成后重新进行检验。

2.根据权利要求1所述的基于机器视觉的天然气管线保温层缺陷检测方法，其特征在于：所述的步骤六的具体过程如下：

第一步、在python中导入神经网络模块，提取一个步骤五得到的保温层新图片，将新图片各像素点的灰度值利用MPL神经网络算法进行阈值预测，得到阈值预测结果r_i；

第二步、根据第一步得出的阈值r_i对保温层新图片进行处理，若某像素点灰度值则将其置为255，反之则置为0，得到二值图片；

第三步、遍历二值图片各像素点，若某像素点自身灰度值且周围一圈相邻区域存在灰度为0的像素点，则该像素点为边界点，并作标记；

第四步、将边界点与其相邻的边界点相连，若有边界点无相邻边界点，则将取消标记，最终被标记的像素点所包裹的区域即为有缺陷区域；

第五步、判断得到的缺陷区域是否与实际缺陷情况相符，如果不符合，则返回第一步重新进行阈值的预测，若符合则对返回第二步对下一张图片进行阈值预测，直至检测完全部保温层新图片。