一种法兰轴向漏磁阵列信号自动识别方法技术

本发明专利技术涉及一种轴向法兰漏磁阵列信号自动识别方法。本方法适用于漏磁内检测数据处理领域，解决法兰轴向漏磁信号自动检测、识别和定位问题，具体实现步骤为：首先，将漏磁内检测原始数据进行边缘增强处理，在此预处理后的数据上进行自适应阈值分割，获得法兰信号粗检测结果，然后，对数据做竖向投影操作，取得法兰信号特征，即可识别定位法兰信号。本发明专利技术计算复杂度低、识别率高，可满足工程应用对大数据处理的实时性和准确性的要求。

Automatic identification method of flange axial magnetic leakage array signal

The invention relates to an automatic identification method for an axial flange magnetic leakage array signal. This method is suitable for magnetic flux leakage testing data processing, to solve the problem of flange axial MFL signal automatic detection, identification and location, specific implementation steps as follows: firstly, the leakage were enhancing the edge detection of the original data in the magnetic data after preprocessing, on adaptive threshold segmentation, rough detection results the flange signal then do vertical projection operation on data obtained flange signal features, you can identify the positioning flange signal. The invention has low calculation complexity and high recognition rate, and can meet the requirement of real-time and accuracy of large data processing in engineering applications.

【技术实现步骤摘要】
一种法兰轴向漏磁阵列信号自动识别方法
本专利技术属于漏磁内检测数据处理领域，具体涉及一种法兰轴向漏磁阵列信号自动识别方法，用于解决法兰轴向漏磁信号自动检测、识别和定位问题。
技术介绍
法兰磁阵列信号自动识别定位有重要的工程实践意义。法兰作为油气管道之间连接的结构件，相较管道它们发生腐蚀和断裂的隐患更大，因此对法兰焊缝的检测和评价是保证整条油气通路安全运行的重要措施。漏磁内检测器用里程轮记录缺陷位置信息，为管道开挖提供支持，而管道壁上的污染物会导致里程轮打滑而产生累计误差，位置信息确定的法兰可作为天然定位器，用于对里程信息进行自动校准，从而实现缺陷精确定位。法兰位置及个数与管道之间有一一对应的关系，检测、识别并定位到某个焊缝和法兰即可自动定位某条管道，最终可实现海量漏磁数据自动分段，便于后续数据查询和分析。现有技术中存在难以从轴向漏磁阵列信号中自动检测、识别并定位法兰漏磁信号的问题。
技术实现思路
本专利技术要解决的技术问题是：从轴向漏磁阵列信号中自动检测、识别并定位法兰漏磁信号。本专利技术将漏磁阵列信号视为二维图像，在分析对比信号特征基础上，选用对比度增强方法对漏磁阵列信号预处理，选用阈值分割、竖向投影增强方法检测、识别并定位法兰目标，取得了较好的效果。本专利技术采用的技术方案为：一种法兰轴向漏磁阵列信号自动识别方法，该方法包括如下步骤：1、对原始轴向漏磁阵列信号进行轴向边缘增强预处理；2、将所述预处理后数据归一化为0～255整形数据；3、计算所述整形数据中的全局最优分割点，从而实现阈值分割，得到二值化数据；4、对所述二值化数据做竖向投影叠加和参数判断，获得法兰信号特征；5、对所述法兰信号特征进行聚类分析，从而识别并定位出法兰轴向坐标。进一步的，所述步骤1对原始轴向漏磁阵列信号进行轴向边缘增强预处理具体包括：1.1、选择卷积核T。1.2、设漏磁阵列信号为f(x,y)，计算f(x,y)与T的卷积，获得边缘增强数据q(x,y)：q(x,y)＝f(x,y)*T(x,y)(2)。进一步的，所述步骤2、将预处理数据归一化为0～255整形数据具体包括：计算边缘增强处理后的数据q(x,y)的最大值Mx和最小值Mi，并以如下公式完成数据归一化：其中，为向下取证操作。进一步的，所述步骤3、计算所述整形数据中的全局最优分割点，从而实现阈值分割，得到二值化数据具体包括：3.1、将归一化后的数据视为二维图像，则图像像素点数为N，图像灰度级为L，ni为灰度级为i的像素点数，pi为灰度级为i的像素点出现的概率,则pi＝ni/Ni＝0,1,2…255(4)3.2、将图像像素点分为两类，即C0类和C1类；计算C0类的均值和权值为其中，k为像素灰度级分界点值；C1类的均值和权值为其中，L为图像灰度级；整幅图像的均值为那么类间方差为3.3、让k在[0，255]范围内遍历取值，当最大时对应的k值即为图像的全局最优分割点；3.4、遍历二维漏磁阵列图像，数值大于全局最优分割点的点设为1，否则设为0，从而得到二值化数据b(x,y)。进一步的，所述步骤4、对所述二值化数据做竖向投影叠加和参数判断，获得法兰信号特征具体包括：4.1、将二值化数据b(x,y)做竖向投影增强：其中，s(y)为竖向投影增强后的一维信号，其中M为轴向信号点的个数；4.2、计算信号特征：遍历竖向投影增强后的一维信号s(y)的所有采样点，根据法兰判断阈值T判断此点是否为法兰信号特征，其中，t(i)为信号特征，当t(i)＝1时表示t(i)是法兰信号特征，当t(i)＝0时表示t(i)不是法兰信号特征。进一步的，所述步骤5、对所述法兰信号特征进行聚类分析，从而识别并定位出法兰轴向坐标具体包括：5.1、遍历信号特征t(i)，若任意两个非零的特征点轴向距离小于轴向距离阈值D，则此两点被认为来自同一法兰；5.2、遍历查找法兰信号左、右边界点坐标，其中法兰信号左、右边界点坐标分别为dl和dr，则最终识别并定位出法兰轴向坐标为dfdf＝(dl+dr)/2(10)。有益效果：(1)本专利技术计算复杂度低、识别率高，可满足工程应用对大数据处理的实时性和准确性的要求。(2)本专利技术获得的定位信息可用于设备里程修正。附图说明图1为本专利技术的方法流程图图2轴向漏磁阵列信号示意图图3竖向投影后法兰信号识别定位结果示意图具体实施方式下面结合附图和具体实施方式对本专利技术的技术方案做进一步进行详细的解释和说明。一种法兰轴向漏磁阵列信号自动识别方法，该方法包括如下步骤：(1)对原始轴向漏磁阵列信号进行轴向边缘增强预处理，从而提高目标信号对比度的具体实现步骤为：①选择卷积核T。②设漏磁阵列信号为f(x,y)，计算f(x,y)与T的卷积，获得边缘增强数据q(x,y)：q(x,y)＝f(x,y)*T(x,y)(2)(2)将预处理数据归一化为0～255整形数据，具体实现步骤为：计算q(x,y)的最大Mx、最小值Mi，并以如下公式完成数据归一化操作。为向下取证操作。(3)计算数据全局最优分割点，实现阈值分割，得到二值化数据，具体实现步骤如下：3.1将归一化后的数据视为二维图像，则图像像素点数为N，灰度范围为[0，255]，ni为灰度级为i的点数，pi为灰度级i出现的概率,则pi＝ni/Ni＝0,1,2…255(4)3.2计算C0类的均值和权值为C1类的均值和权值为整幅图像的均值为那么类间方差定义为3.3让k在[0，255]范围内遍历性取值，当最大时对应的k值即为选定阈值。3.4遍历二维漏磁阵列图像，数值大于k的点设为1，否则设为0，可得二值化数据b(x,y)。(4)二值化数据做竖向投影叠加和参数判断，获得法信号特征，具体实现步骤如下：①将b(x,y)做竖向投影增强：s(y)为竖向投影增强后的一维信号，其中M为轴向信号点的个数。②计算信号特征：遍历s(y)所有采样点，根据阈值T判断此点是否为法兰信号特征，(5)对法兰信号特征聚类分析，识别并定位法兰轴向坐标，具体实现步骤如下：①遍历信号特征t(i)，若任意两个非零的特征点轴向距离小于阈值D，则此两点被认为来自同一法兰。②遍历查找查找法兰信号左、右边界点坐标分别为dl和dr，则最终识别定位坐标点为dfdf＝(dl+dr)/2(10)。与现有技术相比，本方法采用阈值分割与投影增强相结合的方案，将多维信号检测识别问题转换为一维信号检测识别问题，降低了方法复杂度。上述具体实施方式仅用于解释和说明本专利技术的技术方案，但并不能构成对权利要求的保护范围的限定。本领域技术人员应当清楚，在本专利技术的技术方案的基础上做任何简单的变形或替换而得到的新的技术方案，均将落入本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
一种法兰轴向漏磁阵列信号自动识别方法，其特征在于，该方法包括如下步骤：步骤1、对原始轴向漏磁阵列信号进行轴向边缘增强预处理；步骤2、将所述预处理后数据归一化为0～255整形数据；步骤3、计算所述整形数据中的全局最优分割点，从而实现阈值分割，得到二值化数据；步骤4、对所述二值化数据做竖向投影叠加和参数判断，获得法兰信号特征；步骤5、对所述法兰信号特征进行聚类分析，从而识别并定位出法兰轴向坐标。

【技术特征摘要】
1.一种法兰轴向漏磁阵列信号自动识别方法，其特征在于，该方法包括如下步骤：步骤1、对原始轴向漏磁阵列信号进行轴向边缘增强预处理；步骤2、将所述预处理后数据归一化为0～255整形数据；步骤3、计算所述整形数据中的全局最优分割点，从而实现阈值分割，得到二值化数据；步骤4、对所述二值化数据做竖向投影叠加和参数判断，获得法兰信号特征；步骤5、对所述法兰信号特征进行聚类分析，从而识别并定位出法兰轴向坐标。2.如权利要求1所述的方法，其特征在于，所述步骤1对原始轴向漏磁阵列信号进行轴向边缘增强预处理具体包括：1.1、选择卷积核T。1.2、设漏磁阵列信号为f(x,y)，计算f(x,y)与T的卷积，获得边缘增强数据q(x,y)：q(x,y)＝f(x,y)*T(x,y)(2)。3.如权利要求1所述的方法，其特征在于，所述步骤2、将预处理数据归一化为0～255整形数据具体包括：计算边缘增强处理后的数据q(x,y)的最大值Mx和最小值Mi，并以如下公式完成数据归一化：其中，为向下取证操作。4.如权利要求1所述的方法，其特征在于，所述步骤3、计算所述整形数据中的全局最优分割点，从而实现阈值分割，得到二值化数据具体包括：3.1、将归一化后的数据视为二维图像，则图像像素点数为N，图像灰度级为L，ni为灰度级为i的像素点数，pi为灰度级为i的像素点出现的概率,则pi＝ni/Ni＝0,1,2…255(4)3.2、将图像像素点分为两类，即C0类和C1类；计算C0类的均值和权值为其中，k为像素灰度级分界点值；C1类的均值和权值为

【专利技术属性】
技术研发人员：魏宁，孙长燕，张立平，张珊，刘思娇，
申请(专利权)人：北京华航无线电测量研究所，
类型：发明
国别省市：北京,11