基于区域遗传四叉树算法的油气管道缺陷检测方法及系统技术方案

本发明专利技术提供一种基于区域遗传四叉树算法的油气管道缺陷检测方法，包括：通过油气管道内检测器的霍尔传感器采集油气管道漏磁信号，并将其转换为模拟电压信号进行滤波和放大处理后，转换成数字信号传输至FPGA；FPGA对数字信号进行数据预处理;对数据预处理得到的缺陷灰度图像矩阵进行图像处理，得到油气管道缺陷边缘图像，即油气管道缺陷检测结果。本发明专利技术通过将区域分裂聚合方法融入到适应度函数的方法形成基于区域遗传四叉树算法，增强了遗传算法区域内的寻优能力，避免了传统算法中的假边缘和空白，提高了油气管道缺陷检测能力；通过在FPGA总线并行机制中实现区域遗传四叉树算法，弥补了两种方法融合对寻优速度的影响，保证了系统的运行速度。

【技术实现步骤摘要】
【专利摘要】本专利技术提供一种基于区域遗传四叉树算法的油气管道缺陷检测方法，包括：通过油气管道内检测器的霍尔传感器采集油气管道漏磁信号，并将其转换为模拟电压信号进行滤波和放大处理后，转换成数字信号传输至FPGA；FPGA对数字信号进行数据预处理;对数据预处理得到的缺陷灰度图像矩阵进行图像处理，得到油气管道缺陷边缘图像，即油气管道缺陷检测结果。本专利技术通过将区域分裂聚合方法融入到适应度函数的方法形成基于区域遗传四叉树算法，增强了遗传算法区域内的寻优能力，避免了传统算法中的假边缘和空白，提高了油气管道缺陷检测能力；通过在FPGA总线并行机制中实现区域遗传四叉树算法，弥补了两种方法融合对寻优速度的影响，保证了系统的运行速度。【专利说明】 基于区域遗传四叉树算法的油气管道缺陷检测方法及系统
本专利技术属于管道检测
，具体涉及一种基于区域遗传四叉树算法的油气管道缺陷检测方法及系统。
技术介绍
我国在役长输管道总长约两万公里，在建和拟建管道也达数千公里。由于管龄的增长及管线的增多，致使石油天然气泄漏事故不断增加，对经济和环境造成巨大负担。因此，实时准确反馈管道状态具有重要意义。目前，漏磁检测相对于超声等方式实现对管道内外壁的腐蚀检测已经具有较好的效果。但是在漏磁信号采集过程中，由于现场伴随有磁、声、热和烟尘等杂物以及受到人为破坏和外力的影响，都会严重干扰对管道缺陷的准确判断，难以确定缺陷的真实边缘。
技术实现思路
针对现有技术存在的不足，本专利技术提供一种基于区域遗传四叉树算法的油气管道缺陷检测方法及系统。本专利技术的技术方案是:一种基于区域遗传四叉树算法的油气管道缺陷检测方法，包括以下步骤:步骤1:通过油气管道内检测器的霍尔传感器采集油气管道漏磁信号，并将其转换为模拟电压信号；步骤2:对模拟电压信号进行滤波和放大处理后，传输至AD模块；步骤3:滤波和放大处理后的模拟电压信号经AD模块转换成数字信号，传输至FPGA ；步骤4:FPGA对AD转换后的数字信号进行数据预处理，包括自适应补偿、插值和重构，形成缺陷灰度图像矩阵；步骤5:FPGA对数据预处理得到的缺陷灰度图像矩阵进行图像处理，得到油气管道缺陷边缘图像，即油气管道缺陷检测结果；步骤5.1:对缺陷灰度图像矩阵进行锐化滤波；步骤5.2:采用区域遗传四叉树算法对锐化滤波后的缺陷灰度图像矩阵进行图像分割；步骤5.2.1:将锐化滤波后的缺陷灰度图像矩阵作为总体图像区域，建立区域遗传4叉树算法的区域变化准则，即缺陷灰度图像矩阵中某一子图像区域中像素点灰度值的均方差；步骤5.2.2:对总体图像区域进行初始4叉树分裂，分成若干子图像区域；步骤5.2.3:计算分裂后的每个子图像区域的区域变化准则，并将该区域变化准则与总体图像区域的区域变化准则比较，若子图像区域的区域变化准则大于总体图像区域的区域变化准则，则执行步骤5.2.4，否则执行步骤5.2.5 ;步骤5.2.4:对当前子图像区域继续进行4叉树分裂；步骤5.2.5:判断所有子图像区域是否均分裂完毕，若分裂完毕，则执行步骤5.2.6 ;否则执行步骤5.2.3 ;步骤5.2.6:将分裂后所有子图像区域，按照水平从左至右顺序重新排序，得到新的子图像区域；步骤5.2.7:分别计算新的子图像区域的区域变化准则及其相邻的子图像区域的区域变化准则，若两者均小于总体图像区域的区域变化准则，则执行步骤5.2.8 ;否则执行步骤5.2.9 ;步骤5.2.8:聚合当前子图像区域及其相邻的子图像区域；步骤5.2.9:判断所有新的子图像区域是否聚合完毕，若聚合完毕，则执行步骤5.2.10 ;否则执行步骤5.2.7 ；步骤5.2.10:将聚合后的所有子图像区域，按照水平方向从左至右顺序重新排序，得到最终的子图像区域，并以最终的子图像区域作为初始种群体，对初始种群体进行编码；步骤5.2.11:建立边缘模糊性准则度量指标、总体图像区域的边缘模糊性准则度量的加权和以及个体适应度函数；所述边缘模糊性准则度量指标为各个子图像区域及其相邻子图像区域的平均灰度差与灰度方差和分别作商，再对各商值求和后取平均值；所述总体图像区域的边缘模糊性准则度量的加权和为对边缘模糊性准则度量指标加权求和后取平均值；所述个体适应度函数为总体图像区域的边缘模糊性准则度量的加权和与总体图像区域的区域变化准则的乘积；步骤5.2.12:利用个体适应度函数对编码后的子图像区域进行基于遗传阈值算法的迭代处理；步骤5.2.13:对迭代处理后的种群体进行解码，得到迭代处理的最佳阈值，并将最佳阈值返回步骤5.2.1，对子图像区域的区域变化准则进行约束；步骤5.3:利用最佳阈值对总体图像区域进行二值化处理，即完成图像分割，得到油气管道缺陷边缘图像，即油气管道缺陷检测结果。步骤5.2.12中所述的利用个体适应度函数对编码后的子图像区域进行基于遗传阈值算法的迭代处理时，种群体的交叉概率和变异概率按照如下方法设定:(I)对第t代所有种群体的个体适应度函数求和后取平均值，得到种群个体适应度函数值平均值；(2)第t代种群体的早熟程度，即第t代最优个体适应度函数值与种群个体适应度函数值平均值之差；(3)根据不同代种群体的早熟程度设定种群体的交叉概率和变异概率。所述的基于区域遗传四叉树算法的油气管道缺陷检测方法采用的油气管道缺陷检测系统，包括油气管道内检测器的霍尔传感器、信号调理模块、AD模块和FPGA ；油气管道内检测器的霍尔传感器用于采集油气管道漏磁信号，并将其转换为模拟电压信号；信号调理模块用于对模拟电压信号进行滤波和放大处理后传输至AD模块；AD模块用于将滤波和放大处理后的模拟电压信号转换成数字信号，传输至FPGA ；FPGA用于对AD转换后的数字信号进行数字信号处理，得到缺陷灰度图像矩阵，并对数字信号处理得到的缺陷灰度图像矩阵进行图像处理，得到油气管道缺陷边缘图像，即油气管道缺陷检测结果。FPGA设置有数字信号处理模块和图像信号处理模块；数字信号处理模块包括AD时序控制模块和数据预处理模块，其中，AD时序控制模块用于对AD模块的工作时序进行控制；数据预处理模块用于对AD转换后的数字信号进行数据预处理，包括自适应补偿、插值和重构，形成缺陷灰度图像矩阵；图像信号处理模块包括锐化滤波模块和区域遗传四叉树模块，其中，锐化滤波模块用于对缺陷灰度图像矩阵进行锐化滤波；区域遗传四叉树模块用于采用区域遗传四叉树算法对锐化滤波后的缺陷灰度图像矩阵进行图像分割，根据最佳阈值对总体图像区域进行二值化处理，得到油气管道缺陷边缘图像，即油气管道缺陷检测结果。有益效果:本专利技术采用了模拟滤波(信号调理模块)与数字滤波(锐化滤波模块)两级滤波的方式，提高了系统的抗干扰能力；通过将区域分裂聚合方法融入到适应度函数的方法形成基于区域遗传四叉树算法，解决了传统遗传算法对初始种群的过度依赖问题，增强了遗传算法区域内的寻优能力，避免了传统算法中的假边缘和空白，提高了油气管道缺陷检测能力；通过在FPGA总线并行机制中实现区域遗传四叉树算法，弥补了两种方法融合对寻优速度的影响，保证了系统的运行速度。【专利附图】【附图说明】图1是本专利技术【具体实施方式】的油气管道缺陷检测系统的结构框图；图2是本专利技术【具体实施方式】的基于区域遗传四叉树算法的油本文档来自技高网...

【技术保护点】
一种基于区域遗传四叉树算法的油气管道缺陷检测方法，其特征在于：包括以下步骤：步骤1：通过油气管道内检测器的霍尔传感器采集油气管道漏磁信号，并将其转换为模拟电压信号；步骤2：对模拟电压信号进行滤波和放大处理后，传输至AD模块；步骤3：滤波和放大处理后的模拟电压信号经AD模块转换成数字信号，传输至FPGA；步骤4：FPGA对AD转换后的数字信号进行数据预处理，包括自适应补偿、插值和重构，形成缺陷灰度图像矩阵；步骤5：FPGA对数据预处理得到的缺陷灰度图像矩阵进行图像处理，得到油气管道缺陷边缘图像，即油气管道缺陷检测结果；步骤5.1：对缺陷灰度图像矩阵进行锐化滤波；步骤5.2：采用区域遗传四叉树算法对锐化滤波后的缺陷灰度图像矩阵进行图像分割；步骤5.2.1：将锐化滤波后的缺陷灰度图像矩阵作为总体图像区域，建立区域遗传4叉树算法的区域变化准则，即缺陷灰度图像矩阵中某一子图像区域中像素点灰度值的均方差；步骤5.2.2：对总体图像区域进行初始4叉树分裂，分成若干子图像区域；步骤5.2.3：计算分裂后的每个子图像区域的区域变化准则，并将该区域变化准则与总体图像区域的区域变化准则比较，若子图像区域的区域变化准则大于总体图像区域的区域变化准则，则执行步骤5.2.4，否则执行步骤5.2.5；步骤5.2.4：对当前子图像区域继续进行4叉树分裂；步骤5.2.5：判断所有子图像区域是否均分裂完毕，若分裂完毕，则执行步骤5.2.6；否则执行步骤5.2.3；步骤5.2.6：将分裂后所有子图像区域，按照水平从左至右顺序重新排序，得到新的子图像区域；步骤5.2.7：分别计算新的子图像区域的区域变化准则及其相邻的子图像区域的区域变化准则，若两者均小于总体图像区域的区域变化准则，则执行步骤5.2.8；否则执行步骤5.2.9；步骤5.2.8：聚合当前子图像区域及其相邻的子图像区域；步骤5.2.9：判断所有新的子图像区域是否聚合完毕，若聚合完毕，则执行步骤5.2.10；否则执行步骤5.2.7；步骤5.2.10：将聚合后的所有子图像区域，按照水平方向从左至右顺序重新排序，得到最终的子图像区域，并以最终的子图像区域作为初始种群体，对初始种群体进行编码；步骤5.2.11：建立边缘模糊性准则度量指标、总体图像区域的边缘模糊性准则度量的加权和以及个体适应度函数；所述边缘模糊性准则度量指标为各个子图像区域及其相邻子图像区域的平均灰度差与灰度方差和分别作商，再对各商值求和后取平均值；所述总体图像区域的边缘模糊性准则度量的加权和为对边缘模糊性准则度量指标加权求和后取平均值；所述个体适应度函数为总体图像区域的边缘模糊性准则度量的加权和与总体图像区域的区域变化准则的乘积；步骤5.2.12：利用个体适应度函数对编码后的子图像区域进行基于遗传阈值算法的迭代处理；步骤5.2.13：对迭代处理后的种群体进行解码，得到迭代处理的最佳阈值，并将最佳阈值返回步骤5.2.1，对子图像区域的区域变化准则进行约束；步骤5.3：利用最佳阈值对总体图像区域进行二值化处理，即完成图像分割，得到油气管道缺陷边缘图像，即油气管道缺陷检测结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：张化光，汪刚，刘金海，冯健，马大中，吴振宁，刘喆，宁迪，卢森骧，许相凯，屈纯，周坤，王一，李瑞雪，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21