基于圖像特征提取的在役管線故障缺陷的分類

尹　健，邢　韻，劉松凱

(中國科學院沈陽自動化研究所，沈陽110014)

?

基于圖像特征提取的在役管線故障缺陷的分類

尹健，邢韻，劉松凱

(中國科學院沈陽自動化研究所，沈陽110014)

摘要:分析了在役管線母材及焊縫的故障缺陷的主要類型及形成原因，并根據(jù)其在X射線底片上的顯圖的特點，確定了在役管線母材及焊縫的故障缺陷所提取的特征參數(shù)的類別，并對其提取算法進行介紹，為智能分類識別在役管線故障缺陷X射線檢測圖像奠定了基礎(chǔ).

關(guān)鍵詞:在役管線;母材缺陷;焊縫缺陷;特征參數(shù);邊界分析;故障分類

管線是最重要的油氣運輸載體，是現(xiàn)行五大運輸工具之一.由于油氣輸送管線廣泛鋪設于世界各地，不同的地理環(huán)境、氣候變化等外界復雜條件所導致的由其母材及焊縫缺陷所引起的事故時有發(fā)生，且事故多對周圍環(huán)境造成影響，對人員安全構(gòu)成重大的威脅.因此如何正確地從在役管線檢測X射線底片中提取存在的故障缺陷圖形的特征、進而分類故障缺陷類型顯得尤為重要［1－2］.

1　故障缺陷分類及圖像特點

1.1母材故障缺陷

在役管線的工況條件復雜，甚至惡劣，其缺陷形式復雜多樣.根據(jù)調(diào)查統(tǒng)計結(jié)果，可將在役管線母材故障缺陷劃分為橫向缺陷、縱向缺陷以及其它形式缺陷三大部分.

在實際情況中，適合X射線檢測的在役管線母材故障缺陷主要有裂紋、孔洞以及不規(guī)則腐蝕，如圖1所示.

( 1)裂紋缺陷:其圖像特點是不規(guī)則的黑線狀，多為波線形，也有成平直狀、分叉狀、彎曲狀等多種顯形.

( 2)孔洞缺陷:其圖像特點是類圓形狀，且輪廓光滑邊緣規(guī)則，黑度值較大.

( 3)不規(guī)則腐蝕缺陷:其圖像特點是形狀復雜，輪廓邊界較不清楚，缺陷圖像占總圖像比例大.

1.2焊縫故障缺陷

正確地分類在役管線母材及焊縫故障缺陷的基礎(chǔ)是對其特征進行充分的分析，根據(jù)GB 6417 －86《金屬熔合焊焊縫缺陷分類及說明》可將在役管線焊縫的故障缺陷歸為裂紋、未焊透、未熔合、氣孔、夾渣、形狀缺陷等六種類別.對在役管線焊縫處X射線底片所顯示的故障圖像進行分析時，可根據(jù)圖像的形狀特點、圖像灰度值的分布以及故障圖像相對于整體圖像的位置進行分析.下面將分類介紹焊縫故障缺陷(見圖2)的圖像形狀特點［3］.

圖1　在役管線母材缺陷Fig.1 Base metal defect of the in－service pipeline( a)—裂紋; ( b)—孔洞; ( c)—不規(guī)則腐蝕

圖2　在役管線焊縫缺陷Fig.2 Welding–line defect of the in－service pipeline( a)—裂紋; ( b)—未焊透; ( c)—未熔合; ( d)—氣孔; ( e)—夾渣; ( f)—形狀缺陷

( 1)裂紋:其圖像特點是其外形呈現(xiàn)明顯黑線狀并伴有微小的鋸齒，有些裂紋圖像有分叉，裂紋圖像中端部尖銳且黑度低，中間顯像變粗黑度變高.

( 2)未焊透:其圖像特點是外形呈細直黑線狀，輪廓整齊，呈斷續(xù)或連續(xù)分布，有時能貫穿整張底片，一般顯像于焊縫中部，成像寬度恰好是鈍邊機械加工時間隙的寬度.

( 3)未熔合:根部未熔合的圖像特點是呈連續(xù)或斷續(xù)的黑線且靠近母材側(cè)顯像整齊黑度值大;坡口未熔合的圖像特點是連續(xù)或斷續(xù)的黑線，寬度及黑度不均勻;層間未熔合的圖像特點是黑度低其外形呈塊狀，不易被發(fā)現(xiàn).

( 4)氣孔:其圖像特點是黑度較大的斑點狀，中心黑度大，輪廓明顯，以球狀居多但也有其它形狀，氣孔有單圖像也有密集分布圖像.

( 5)夾渣:其圖像特點是黑度較小的斑點狀，且其外形不規(guī)則，黑度分布無規(guī)律，較小的夾渣外形輪廓顯像不清.

( 6)形狀缺陷:其圖像不盡相同，其成像明顯區(qū)別于其他缺陷圖形，容易識別，缺陷甚至不需X射線拍照分析肉眼即可直接識別.

2　故障缺陷特征參數(shù)的確定

2.1圖像特征參數(shù)的選取依據(jù)

在役管線故障缺陷圖形是以缺陷形態(tài)為基礎(chǔ)，在X射線照射方法、管線壁厚尺寸以及焊接工藝等諸多因素共同作用的結(jié)果.由在役管線故障缺陷的圖像特點分析可知，故障缺陷圖像的外形輪廓、黑度值分布，以及圖中缺陷圖像相對于整體圖像的位置是判斷故障缺陷類別的最重要的三個因素，通過對此三類特征進行正確的特征量提取，才能對故障缺陷進行分類識別［4］.

2.2圖像特征參數(shù)的選取類別

在役管線母材及焊縫故障缺陷通過計算機作自動識別時，要充分考慮缺陷的幾何形狀、缺陷灰度差及位置.本文提出可采用下面六類特征參數(shù)對在役管線母材及焊縫故障缺陷進行標識提取，其中前五點特征用于母材故障缺陷，全部特征用于焊縫故障缺陷:

( 1)長寬比L1/L2.根據(jù)長寬比可區(qū)分圓形與長形缺陷.

式中，L1為長軸長度; L2為短軸長度.

當L1/L2≤3時可判定為圓形缺陷，反之可判定為長形缺陷.

式中，e為圓形度; S為區(qū)域面積; C為區(qū)域周長.

圓形度0＜e≤1，當e趨近于1時圖像形狀趨近于圓形，當e = 1時圖像為圓形，當e取值越小時，圖像形狀越不規(guī)則，理論上最小值可趨向于0.

( 3)填充度指數(shù)ε.填充度指數(shù)反映了故障缺陷形狀走向趨勢.

式中，Lx為故障缺陷圖像水平方向長度; Ly為故障缺陷圖像垂直方向長度; S為故障缺陷圖像的面積.

( 4)尖部尖銳度USP.尖銳度主要表征條形故障缺陷圖形中兩端的尖銳程度，尖銳度越大表明缺陷圖像越尖銳.

式中，S1、S2為端部兩側(cè)長度為長徑1/4部的面積值; S為缺陷的總面積.

( 5)對稱性SYM.它主要表征故障缺陷圖形的對稱性;條形缺陷對稱性較好，不規(guī)則缺陷的對稱性較差.

考核成績設置為平時成績∶期中成績∶期末成績=4∶2∶4的模式（見表1）．該模式充分體現(xiàn)了過程考核和集中考核相結(jié)合的原則，培養(yǎng)了學生參與意識、責任意識和規(guī)則意識．其假設的前提是學生平時表現(xiàn)直接影響平時成績，進而間接影響期中和期末集中考核成績．線上考核滿足個性化學習需要，培養(yǎng)責任意識與規(guī)則意識，課堂考核培養(yǎng)學生參與意識、責任意識、團隊意識、擔當意識及創(chuàng)新意識．考核方式與學生學習狀態(tài)及學習效果直接相關(guān)．考核過程公開、公正、透明，對所有學生一視同仁，才能獲得學生尊重與合作．

式中，S1、S2為端部兩側(cè)長度為長徑1/4部的面積值.

( 6)缺陷的相對灰度REG.相對灰度主要表征的是故障缺陷圖像灰度于其背景灰度的比值關(guān)系.

式中，A為缺陷圖像灰度平均值; B為缺陷圖像輪廓向外5個像素部分灰度平均值.

故障缺陷的不同在圖像中成像的灰度也不盡相同，相對灰度可區(qū)別形狀相近的不同類型故障缺陷的圖像.

( 7)缺陷的重心坐標相對焊縫中心的位置PST.相對位置主要區(qū)別顯像圖像形狀相似，灰度值相近但顯像位置有差別的不同類型的故障缺陷.

式中，d為故障缺陷圖像形狀重心與焊縫中心線之間距離; BW為焊縫圖像寬度.

3　故障缺陷特征參數(shù)的計算

3.1鏈碼法的邊界分析

目標區(qū)域外部形狀是構(gòu)成區(qū)域邊界像素的集合，利用鏈碼法［5］可以方便地提取并計算一系列的幾何特征，將空間邊界信息壓縮表示.

鏈碼法對缺陷邊界進行跟蹤時，由于數(shù)字圖像是離散的，所以區(qū)域邊界可對應理解成相鄰邊界像素的依次相連.鏈碼法通?；诰€段的4或8鏈碼，每段的方向使用編號進行編碼.4鏈碼取值如圖3( a)所示，取值為0、1、2、3或0、2、4、6; 8鏈碼取值如圖3( b)所示，用0、1、2、3、4、5、6、7表示8個方向，按逆時針遞增，方向碼即為上面提及的數(shù)字.下面將采用8鏈碼進行描述邊界.如圖4所示，水平或垂直方向的鏈碼邊界(碼長為1)用偶數(shù)表示;對角線方向的鏈碼界(碼長為用奇數(shù)表示.

當設定坐標系原點于左上角時( X軸正方向由左向右，Y軸正方向由上而下)，表1給出鄰域各點相對于中心點的偏差值.

如圖4所示的一條以S為起點的封閉曲線，其鏈碼編碼與方向有直接關(guān)聯(lián)，順、逆時針方向編碼完全不同，其順時針方向編碼構(gòu)成的鏈碼可表示為: 0－7－6－6－6－6－5－5－3－3－2－1－2 －1－2.在具體應用時必須加以說明.

表1　中心點與各鄰點坐標偏差Table 1 Deviation between the central point and the neighboring points

圖4　邊界的鏈碼表示Fig.4 Boundary chain show

3.2故障缺陷的特征計算

計算在役管線缺陷的特征，有些特征參數(shù)的計算比較簡單，在前文中已給出具體計算公式，而有些公式涉及其內(nèi)部參數(shù)計算相對復雜，因此特征參數(shù)值的獲得依賴于其相關(guān)參數(shù)的提取計算.

( 1)面積S.面積與故障缺陷圖像有關(guān)，而與其內(nèi)部灰度級的變化無關(guān).在像素邊長為1的條件下，可以用如圖5所示的像素計數(shù)法來求區(qū)域面積.下面將給出圖5所示面積求解方法，圖5中區(qū)域面積的計算公式如下:

圖5　面積計算方法ig.5 Method to estimate image’s area

式中，“1”為二值數(shù)字圖像中物體的區(qū)域.需要說明的是，故障缺陷面積計算時，必須將缺陷圖像進行填充，即計算面積為圖像“實心”面積.

( 2)周長C.根據(jù)上文對于鏈碼法的定義，可設定每個鏈碼代表的長度為Δli，進一步設定區(qū)域邊界鏈碼表示為a1，a2，a3……，an，則其周長度量可由以下二式確定:

式中，ne為鏈碼中偶數(shù)鏈的數(shù)目; n為鏈碼序列中碼的總數(shù)目.

( 3)長軸l1、短軸l2.如圖6所示，長軸短軸分別代表區(qū)域圖像邊界中最大距離的兩點連線和最小距離的兩點連線.

圖6　缺陷長軸、短軸Fig.6 Major axis and minor axis of a defect

若兩點間的鏈碼為{ a1，a2，a3，……，ak，}，則兩點間距離為

式中，ai0為水平方向鏈碼; ai2為垂直方向鏈碼.

結(jié)合圖6及式11可知L1= dmax，L2為垂直于長徑的邊界上任意兩點連線最大長度，即:

( 4)缺陷水平長度L1、缺陷垂直長度.L2目標區(qū)域的水平及垂直長度定義如圖7所示，分別指缺陷最大及最小縱坐標之差與缺陷最大及最小橫坐標之差.

圖7　缺陷水平長度、垂直長度Fig.7 Horizontal length and vertical length of a defect

( 5)目標區(qū)域的重x0，y0心.對于缺陷圖像區(qū)域重心的獲取是確定缺陷位置的前提，通過重心相對圖像其他目標位置的距離計算分析缺陷類型，重心的計算公式如下［6］:

式中，x為橫向; y為縱向; f( x，y)為點f( x，y)的灰度值.

( 6)焊縫的中心位置

縫的中心位置即焊縫寬度中心線位置，圖像二值化后求得焊縫寬度的平均數(shù)的一半即為焊縫的中心位置.

4　結(jié)論

主要分析了在役管線母材及焊縫的故障缺陷的種類以及在X射線底片上圖像的特點，并且設計了以長寬比L1/L2、圓形度e、填充度ε、尖部尖銳度USP及對稱性SYM等五組特征作為母材的特征值;以長寬比L1/L2、圓形度e、填充度ε、尖部尖銳度USP、對稱性SYM、缺陷的相對灰度REG及缺陷的重心坐標相對焊縫中心的位置PST等七組特征作為焊縫的特征值.并且對所有特征值的計算及部分計算公式中出現(xiàn)的復雜變量作詳細的分析，為以后運用神經(jīng)網(wǎng)絡對在役管線故障缺陷進行分類識別奠定了基礎(chǔ).

參考文獻:

［1］嚴大凡，翁永基.油氣長輸管道風險評估與完整性管理［M］.北京:化學工業(yè)出版社，2005: 26－40.( Yan Dafan，Weng Yongji.Risk and integrity management of long distance oil and gas pipeline［M］.Beijing: Chemical Industry Press，2005: 26－40.)

［2］許振清，智彥利，王安泉，等.油田熱采注汽管道在線檢測技術(shù)現(xiàn)狀［J］.石油化工安全技術(shù)，2006，22( 1) : 46 －49.( Xu Zhenqing，Zhi Yanli，Wang Anquan，et al.Status quo of on－line detection technique for high－temperature and high －pressure steam injection lines dedicated for use in oilfields ［J］.Petrochemical Safety Technology，2006，22 ( 1) : 46 －49.)

［3］張曉光，高頂.射線檢測焊接缺陷的提取和自動識別［M］.北京:國防工業(yè)大學出版社，2004: 2－15.( Zhang Xiaoguang，Gao Ding.Extraction and automatic identification of welding defects by X－ray detection［M］.Beijing: National Defense Industrial Press，2004: 2－15.)

［4］孫兆林.MATLAB6.X圖像處理［M］.北京:清華大學出版社，2002: 175－197.( Sun Zhaolin.MATLAB6.X image processing［M］.Beijing: Tsinghua University Press，2002: 175－197.)

［5］吳元敏.基于Freeman鏈碼的圖像中多個區(qū)域面積的計算方法［J］.計算機工程與應用，2008，44( 15) : 199－201.( Wu Yuanmei.Method for calculating areas of multiple regions in image based on freeman chain code［J］.Computer Engineering＆Applications，2008，44( 15) : 199－201.)

［6］王強.工業(yè)產(chǎn)品的計算機視覺識別與檢測算法研究［D］.北京:北京航空航天大學，2000: 74－79.( Wang Qiang.The study of computer vision algorithms in recognition and inspection of the industrial products［D］.Beijing: Beihang University，2000: 74－79.)

Fault classification of the in－service pipeline based on image feature extraction

Yin Jian，Xing Yun，Liu Songkai
( Chinese Academy of Sciences Shenyang Institute of Automation，Shenyang 110014，China)

Abstract:The main types of the fault of the base metal and the welding－line of the in－service pipeline were analyzed.According to the characteristics of the X－ray film，the characteristic parameters were determined.A feature extraction algorithm was proposed It may provide an important base for the intelligent recognition and the fault classification of the in－service pipeline of the x ray image.

Key words:in－service pipeline; base metal defect ; welding–line defect; characteristic parameters; boundary analysis; fault classification

作者簡介:尹健( 1983—)，男，助理研究員，工學碩士，E－mail: yinjian@ sia.cn.

收稿日期:2015-10-23.

doi:10.14186/j.cnki.1671－6620.2016.01.015

中圖分類號:TB 304

文獻標識碼:A

文章編號:1671-6620( 2016) 01-0076-05