本申請(qǐng)涉及基于特定計(jì)算模型的計(jì)算機(jī)系統(tǒng)，具體而言，涉及一種鋼質(zhì)管道內(nèi)壁裂紋的檢測(cè)量化方法。

背景技術(shù)：

1、油氣管道是能源輸送的“生命線”，其本質(zhì)安全關(guān)乎國(guó)計(jì)民生。裂紋是管道系統(tǒng)最常見(jiàn)的故障模式。裂紋由微小損傷擴(kuò)展變大，使管道的承壓能力逐漸降低，最終導(dǎo)致管道失效，引發(fā)嚴(yán)重事故。其中管道微小裂紋的檢測(cè)是難題。

2、現(xiàn)有技術(shù)中，提出了一種基于脈沖渦流技術(shù)的ga-bp神經(jīng)網(wǎng)絡(luò)模型，可以擬合磁感應(yīng)強(qiáng)度與裂紋深度、寬度之間的非線性趨勢(shì)，從而定量表征鐵磁性鋼中的裂紋。但是該方法需要通過(guò)擬合磁感應(yīng)強(qiáng)度與裂紋深度、寬度之間的非線性趨勢(shì)實(shí)現(xiàn)量化，這種擬合需要對(duì)檢測(cè)信號(hào)進(jìn)行針對(duì)性分析，需要對(duì)檢測(cè)原理有深入的了解，對(duì)工作人員的要求較高，另一方面對(duì)檢測(cè)信號(hào)的處理是手動(dòng)的，手動(dòng)標(biāo)注缺陷的質(zhì)量和效率受到工作人員專業(yè)知識(shí)和工作狀態(tài)的影響，標(biāo)注一致性差，而且還無(wú)法利用多通道檢測(cè)信號(hào)，使用過(guò)程以及適用范圍有較大的局限性。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)的目的在于提供一種鋼質(zhì)管道內(nèi)壁裂紋的檢測(cè)量化方法，其解決了現(xiàn)有技術(shù)中手動(dòng)標(biāo)注的一致性較差、且使用過(guò)程以及適用范圍局限性較大的問(wèn)題。

2、本申請(qǐng)的技術(shù)方案：

3、本申請(qǐng)?zhí)峁┮环N鋼質(zhì)管道內(nèi)壁裂紋的檢測(cè)量化方法，該方法由處理器執(zhí)行，包括：

4、獲取含裂紋管道的渦流多通道檢測(cè)信號(hào)集；

5、對(duì)渦流多通道檢測(cè)信號(hào)集進(jìn)行標(biāo)注，獲得缺陷信號(hào)數(shù)據(jù)集；

6、對(duì)缺陷信號(hào)數(shù)據(jù)集執(zhí)行數(shù)據(jù)清洗，將缺陷信號(hào)數(shù)據(jù)集轉(zhuǎn)化為信號(hào)圖像數(shù)據(jù)集；

7、將信號(hào)圖像數(shù)據(jù)集輸入yolov8模型進(jìn)行訓(xùn)練，獲得裂紋缺陷標(biāo)注模型；

8、基于信號(hào)圖像數(shù)據(jù)集和裂紋缺陷標(biāo)注模型，計(jì)算信號(hào)圖像數(shù)據(jù)集中信號(hào)的裂紋缺陷信號(hào)范圍數(shù)據(jù)；

9、基于裂紋缺陷信號(hào)范圍數(shù)據(jù)，獲取裂紋缺陷信號(hào)特征值數(shù)據(jù)集；

10、將裂紋缺陷信號(hào)特征值數(shù)據(jù)集輸入lightgbm模型進(jìn)行訓(xùn)練，并基于微小裂紋加權(quán)方法對(duì)lightgbm模型執(zhí)行參數(shù)調(diào)優(yōu)，獲得裂紋深度量化值和裂紋長(zhǎng)度量化值；

11、基于渦流多通道檢測(cè)信號(hào)集，確定通道數(shù)；

12、將裂紋缺陷信號(hào)特征值數(shù)據(jù)集和通道數(shù)輸入lightgbm模型進(jìn)行訓(xùn)練，并基于微小裂紋加權(quán)方法對(duì)lightgbm模型執(zhí)行參數(shù)調(diào)優(yōu)，獲得裂紋寬度量化值。

13、進(jìn)一步地，所述的獲取含裂紋管道的渦流多通道檢測(cè)信號(hào)集，具體為：在固定提離值、固定參數(shù)的條件下掃查目標(biāo)管道的裂紋，獲得渦流多通道檢測(cè)信號(hào)，并形成渦流多通道檢測(cè)信號(hào)集。

14、進(jìn)一步地，所述的對(duì)渦流多通道檢測(cè)信號(hào)集進(jìn)行標(biāo)注，獲得缺陷信號(hào)數(shù)據(jù)集，具體為：

15、對(duì)渦流多通道檢測(cè)信號(hào)執(zhí)行裂紋缺陷信號(hào)段的手動(dòng)標(biāo)注，獲得缺陷標(biāo)注數(shù)據(jù)；

16、對(duì)缺陷標(biāo)注數(shù)據(jù)執(zhí)行數(shù)據(jù)增強(qiáng)，獲得缺陷信號(hào)數(shù)據(jù)并形成缺陷信號(hào)數(shù)據(jù)集。

17、進(jìn)一步地，所述的對(duì)缺陷信號(hào)數(shù)據(jù)集執(zhí)行數(shù)據(jù)清洗，將缺陷信號(hào)數(shù)據(jù)集轉(zhuǎn)化為信號(hào)圖像數(shù)據(jù)集，具體為：

18、將缺陷標(biāo)注數(shù)據(jù)中的缺陷信號(hào)段轉(zhuǎn)換為信號(hào)柵格圖像；

19、對(duì)信號(hào)柵格圖像執(zhí)行等長(zhǎng)對(duì)應(yīng)處理、縮放處理，獲得信號(hào)圖像數(shù)據(jù)并形成信號(hào)圖像數(shù)據(jù)集。

20、進(jìn)一步地，所述的yolov8模型，基于預(yù)訓(xùn)練模型yolov8n.pt獲得。

21、進(jìn)一步地，所述的基于信號(hào)圖像數(shù)據(jù)集和裂紋缺陷標(biāo)注模型，計(jì)算信號(hào)圖像數(shù)據(jù)集中信號(hào)的裂紋缺陷信號(hào)范圍數(shù)據(jù)，具體為：

22、將信號(hào)圖像數(shù)據(jù)集輸入裂紋缺陷標(biāo)注模型執(zhí)行缺陷信號(hào)標(biāo)注，獲得信號(hào)缺陷標(biāo)注數(shù)據(jù)；

23、將渦流多通道檢測(cè)信號(hào)集輸入裂紋缺陷標(biāo)注模型執(zhí)行缺陷信號(hào)標(biāo)注，獲得自動(dòng)標(biāo)注數(shù)據(jù)；

24、基于信號(hào)圖像數(shù)據(jù)獲取轉(zhuǎn)換比例數(shù)據(jù)；

25、基于轉(zhuǎn)換比例數(shù)據(jù)和自動(dòng)標(biāo)注數(shù)據(jù)，計(jì)算信號(hào)缺陷標(biāo)注數(shù)據(jù)的裂紋缺陷信號(hào)范圍數(shù)據(jù)。

26、進(jìn)一步地，所述的基于裂紋缺陷信號(hào)范圍數(shù)據(jù)，獲取裂紋缺陷信號(hào)特征值數(shù)據(jù)集，具體為：

27、對(duì)裂紋缺陷信號(hào)范圍數(shù)據(jù)執(zhí)行歸一化處理；

28、將多通道信號(hào)合并為單通道信號(hào)；

29、對(duì)單通道信號(hào)執(zhí)行特征值的計(jì)算，獲得裂紋缺陷信號(hào)特征值數(shù)據(jù)集。

30、進(jìn)一步地，所述的將裂紋缺陷信號(hào)特征值數(shù)據(jù)集輸入lightgbm模型進(jìn)行訓(xùn)練，獲得裂紋深度量化值和裂紋長(zhǎng)度量化值，具體的：

31、基于lightgbm模型，配合五折交叉驗(yàn)證方法和參數(shù)搜索方法，對(duì)裂紋缺陷信號(hào)特征值數(shù)據(jù)集進(jìn)行訓(xùn)練與測(cè)試，獲得初級(jí)深度量化模型和初級(jí)寬度量化模型；

32、對(duì)初級(jí)深度量化模型和初級(jí)寬度量化模型執(zhí)行參數(shù)調(diào)整，獲得最優(yōu)深度量化模型和最優(yōu)寬度量化模型；

33、將裂紋缺陷信號(hào)特征值數(shù)據(jù)集輸入至最優(yōu)深度量化模型和最優(yōu)寬度量化模型中執(zhí)行量化，獲得裂紋深度量化值和裂紋長(zhǎng)度量化值。

34、進(jìn)一步地，所述的將裂紋缺陷信號(hào)特征值數(shù)據(jù)集和通道數(shù)輸入lightgbm模型進(jìn)行訓(xùn)練，獲得裂紋寬度量化值，具體為：

35、基于裂紋缺陷信號(hào)特征值數(shù)據(jù)集，計(jì)算寬度量化特征值；

36、基于寬度量化特征值，計(jì)算量化值；

37、將量化值輸入lightgbm模型中執(zhí)行量化，獲得裂紋寬度量化值；其中，

38、

39、式中，為裂紋缺陷的真實(shí)寬度值，為多通道傳感器間距。

40、本申請(qǐng)的技術(shù)方案至少具有如下優(yōu)點(diǎn)和有益效果：

41、本申請(qǐng)?zhí)峁┮环N鋼質(zhì)管道內(nèi)壁裂紋的檢測(cè)量化方法，通過(guò)提供將缺陷信號(hào)數(shù)據(jù)集轉(zhuǎn)化為信號(hào)圖像數(shù)據(jù)集，然后使用yolov8模型對(duì)信號(hào)圖像數(shù)據(jù)集進(jìn)行裂紋缺陷的自動(dòng)標(biāo)注，在獲得標(biāo)注的缺陷信號(hào)段后，獲取裂紋缺陷信號(hào)特征值數(shù)據(jù)集，最后，將裂紋缺陷信號(hào)特征值數(shù)據(jù)集輸入到lightgbm模型進(jìn)行缺陷長(zhǎng)、寬和深的量化，相對(duì)于現(xiàn)有技術(shù)的方法，本申請(qǐng)?zhí)峁┑姆椒軌驅(qū)崿F(xiàn)對(duì)裂紋缺陷的自動(dòng)標(biāo)注、對(duì)信號(hào)特征的充分提取和對(duì)數(shù)據(jù)多個(gè)通道的利用。

技術(shù)特征：

1.一種鋼質(zhì)管道內(nèi)壁裂紋的檢測(cè)量化方法，該方法由處理器執(zhí)行，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的檢測(cè)量化方法，其特征在于，所述的獲取含裂紋管道的渦流多通道檢測(cè)信號(hào)集，具體為：在固定提離值、固定參數(shù)的條件下掃查目標(biāo)管道的裂紋，獲得渦流多通道檢測(cè)信號(hào)，并形成渦流多通道檢測(cè)信號(hào)集。

3.根據(jù)權(quán)利要求2所述的檢測(cè)量化方法，其特征在于，所述的對(duì)渦流多通道檢測(cè)信號(hào)集進(jìn)行標(biāo)注，獲得缺陷信號(hào)數(shù)據(jù)集，具體為：

4.根據(jù)權(quán)利要求1所述的檢測(cè)量化方法，其特征在于，所述的對(duì)缺陷信號(hào)數(shù)據(jù)集執(zhí)行數(shù)據(jù)清洗，將缺陷信號(hào)數(shù)據(jù)集轉(zhuǎn)化為信號(hào)圖像數(shù)據(jù)集，具體為：

5.根據(jù)權(quán)利要求1所述的檢測(cè)量化方法，其特征在于，所述的yolov8模型，基于預(yù)訓(xùn)練模型yolov8n.pt獲得。

6.根據(jù)權(quán)利要求1所述的檢測(cè)量化方法，其特征在于，所述的基于信號(hào)圖像數(shù)據(jù)集和裂紋缺陷標(biāo)注模型，計(jì)算信號(hào)圖像數(shù)據(jù)集中信號(hào)的裂紋缺陷信號(hào)范圍數(shù)據(jù)，具體為：

7.根據(jù)權(quán)利要求1所述的檢測(cè)量化方法，其特征在于，所述的基于裂紋缺陷信號(hào)范圍數(shù)據(jù)，獲取裂紋缺陷信號(hào)特征值數(shù)據(jù)集，具體為：

8.根據(jù)權(quán)利要求1所述的檢測(cè)量化方法，其特征在于，所述的將裂紋缺陷信號(hào)特征值數(shù)據(jù)集輸入lightgbm模型進(jìn)行訓(xùn)練，獲得裂紋深度量化值和裂紋長(zhǎng)度量化值，具體的：

9.根據(jù)權(quán)利要求1所述的檢測(cè)量化方法，其特征在于，所述的將裂紋缺陷信號(hào)特征值數(shù)據(jù)集和通道數(shù)輸入lightgbm模型進(jìn)行訓(xùn)練，獲得裂紋寬度量化值，具體為：

技術(shù)總結(jié)
本申請(qǐng)涉及基于特定計(jì)算模型的計(jì)算機(jī)系統(tǒng)技術(shù)領(lǐng)域，具體涉及一種鋼質(zhì)管道內(nèi)壁裂紋的檢測(cè)量化方法，包括：獲取含裂紋管道的渦流多通道檢測(cè)信號(hào)集；獲得缺陷信號(hào)數(shù)據(jù)集；將缺陷信號(hào)數(shù)據(jù)集轉(zhuǎn)化為信號(hào)圖像數(shù)據(jù)集；將信號(hào)圖像數(shù)據(jù)集輸入YOLOv8模型進(jìn)行訓(xùn)練，獲得裂紋缺陷標(biāo)注模型；計(jì)算信號(hào)圖像數(shù)據(jù)集中信號(hào)的裂紋缺陷信號(hào)范圍數(shù)據(jù)；獲取裂紋缺陷信號(hào)特征值數(shù)據(jù)集；獲得裂紋深度量化值和裂紋長(zhǎng)度量化值；確定通道數(shù)；獲得裂紋寬度量化值。本發(fā)明解決了現(xiàn)有技術(shù)中手動(dòng)標(biāo)注的一致性較差、且使用過(guò)程以及適用范圍局限性較大的問(wèn)題。

技術(shù)研發(fā)人員：盧潤(rùn)坤,呂戌杪,陳金忠,劉暢,張曉明,辛佳興,梁闖,馬義來(lái),周漢權(quán),孟濤
受保護(hù)的技術(shù)使用者：中國(guó)特種設(shè)備檢測(cè)研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/28