基于机器视觉的连续管排管状态识别及调节方法技术

本申请实施例提供一种基于机器视觉的连续管排管状态识别及调节方法

【技术实现步骤摘要】
基于机器视觉的连续管排管状态识别及调节方法、装置


[0001]本申请涉及计算机视觉领域，具体涉及一种基于机器视觉的连续管排管状态识别及调节方法
、
装置
。

技术介绍

[0002]传统液控连续管作业机主要由注入头
、
控制室
、
滚筒和连续油管等关键部件组成，其中滚筒装置作为连续管作业装置核心控制单元之一，主要用于运输连续管及作业过程排管
。
连续管作业机起管作业状态时，连续油管在注入头和滚筒共同作用下经导向器缠入到滚筒；下管作业状态时，滚筒马达对滚筒提供一个反向扭矩使油管拉直，注入头牵引油管从滚筒中拉出
。
传统液控连续管作业机滚筒上的排管器位置出现偏差时，滚筒上缠绕换层过渡时，导致卷入的偏角过大或过小，偏角大小将直接影响后续排管作业是否整齐
。
连续管一旦缠绕紊乱，会导致管体外部磨损
、
滚筒盘管容量减少，会降低管子的使用寿命
、
引起连续管重复排管
。
[0003]当前，国内外常见滚筒的连续管排管系统，大多使用机械式丝杠传动方式，即卷筒旋转带动丝杠旋转，排管小车随丝杠左右滑动，完成排管工作
。
在实际作业过程中，丝杠滑舌容易磨损卡顿，连续管靠近滚筒轮辐边缘过渡时，卷入角度极易使出现偏差，造成后续排管紊乱现象，此时就需要人及时预判排管潜在风险并强制手动排管操作
。
后续有厂家陆续开发了机械式
、
液压式
、<br/>电控式滚筒排管装置，虽然这些排管装置传动精度
、
可靠性都较好，对排管问题也有较好缓解
。
但在实际作业时均未能完全摆脱需要人工干预的桎梏，难以实现真正的自动化
。
[0004]目前现有技术仍然要依靠现场人工去识别判断并手动强制排管
。
现有技术的缺点主要表现在：
[0005]①
对操作人员的技能要求高，存在误操作风险；
[0006]②
复杂工艺单井作业时间长，监控点多，操作流程复杂，劳动强度高；
[0007]③
排管等异常工况识别依赖操作人员经验，易出现预判不准确
、
处置不当或不及时等情况；
[0008]④
自动化程度低，设备操作控制均依靠人工完成，要求人员多，劳动强度大
。
[0009]因此，随着作业工艺日益复杂，作业精细化程度要求越来越高，研制更稳定
、
更高效的新型自动化作业机的重要性也愈加凸显
。
所以探索新技术，自动识别排管状态并及时预警，将对连续管装备自动化
、
科学高效作业具有重要的现实意义
。

技术实现思路

[0010]针对现有技术中的问题，本申请提供一种基于机器视觉的连续管排管状态识别及调节方法
、
装置，能够准确识别排管状态并自动调节，降低因人为因素造成的连续管作业风险
。
[0011]为了解决上述问题中的至少一个，本申请提供以下技术方案：
[0012]第一方面，本申请提供一种基于机器视觉的连续管排管状态识别及调节方法，包括：
[0013]实时采集滚筒排管作业区域的排管作业图像，并对所述排管作业图像进行图像预处理；
[0014]确定经过图像预处理后的排管作业图像的图像特征，并根据所述图像特征和预设排管状态识别模型，确定对应的排管当前状态；
[0015]根据所述排管当前状态执行对应的滚筒排管调节操作
。
[0016]进一步地，所述对所述排管作业图像进行图像预处理，包括：
[0017]根据预设图像分割算法对所述排管作业图像进行区域分割，得到对应的前景区域图像；
[0018]对所述前景区域图像进行滤波降噪和图像增强处理；
[0019]对经过滤波降噪和图像增强处理后的前景区域图像进行二值化转换，得到所述排管作业图像的二值化图像
。
[0020]进一步地，在所述得到所述排管作业图像的二值化图像之后，还包括：
[0021]对所述排管作业图像的二值化图像进行图像形态学闭运算操作；
[0022]根据预设边缘检测算子对经过图像形态学闭运算操作后的二值化图像进行边缘检测，得到边缘检测结果
。
[0023]进一步地，所述确定经过图像预处理后的排管作业图像的图像特征，包括：
[0024]提取经过图像预处理后的排管作业图像中丝杠
、
油管
、
排管臂以及滚筒的形状特征；
[0025]根据所述丝杠
、
油管
、
排管臂以及滚筒的形状特征确定所述丝杠与所述排管臂
、
所述油管与所述滚筒以及所述丝杠与所述油管之间的相对位置，并将所述相对位置确定为所述排管作业图像的图像特征
。
[0026]进一步地，在所述根据所述图像特征和预设排管状态识别模型，确定对应的排管当前状态之前，包括：
[0027]对预设历史图像数据进行分类和标注，得到训练样本数据；
[0028]将所述训练样本数据导入预设建议学习模型和预设过拟合优化神经网络中进行迭代训练，得到排管状态识别模型
。
[0029]进一步地，所述根据所述图像特征和预设排管状态识别模型，确定对应的排管当前状态，包括：
[0030]将所述图像特征输入预设排管状态识别模型，得到所述排管状态识别模型输出的排管控制参数期望卷入偏角；
[0031]根据所述排管控制参数期望卷入偏角与预设阈值的数值比较关系，确定对应的排管当前状态
。
[0032]进一步地，所述根据所述排管当前状态执行对应的滚筒排管调节操作，包括：
[0033]根据所述排管当前状态驱动滚筒排管执行机构对滚筒排管小车进行对应调节操作
。
[0034]第二方面，本申请提供一种基于机器视觉的连续管排管状态识别及调节装置，包括：
[0035]图像采集模块，用于实时采集滚筒排管作业区域的排管作业图像，并对所述排管作业图像进行图像预处理；
[0036]图像识别模块，用于确定经过图像预处理后的排管作业图像的图像特征，并根据所述图像特征和预设排管状态识别模型，确定对应的排管当前状态；
[0037]自动调节模块，用于根据所述排管当前状态执行对应的滚筒排管调节操作
。
[0038]进一步地，所述图像采集模块包括：
[0039]区域分割单元，用于根据预设图像分割算法对所述排管作业图像进行区域分割，得到对应的前景区域图像；
[0040]降噪增强单元，用于对所述前景区域图像进行滤波降噪和图像增强处理；
[0041]二值转化单元，用于对经过滤波降噪和图像增强处理后的前景区域图像进行二值化转换，得到所述排管作业图像的二值化图像
。...

【技术保护点】

【技术特征摘要】
1.
一种基于机器视觉的连续管排管状态识别及调节方法，其特征在于，所述方法包括：实时采集滚筒排管作业区域的排管作业图像，并对所述排管作业图像进行图像预处理；确定经过图像预处理后的排管作业图像的图像特征，并根据所述图像特征和预设排管状态识别模型，确定对应的排管当前状态；根据所述排管当前状态执行对应的滚筒排管调节操作
。2.
根据权利要求1所述的基于机器视觉的连续管排管状态识别及调节方法，其特征在于，所述对所述排管作业图像进行图像预处理，包括：根据预设图像分割算法对所述排管作业图像进行区域分割，得到对应的前景区域图像；对所述前景区域图像进行滤波降噪和图像增强处理；对经过滤波降噪和图像增强处理后的前景区域图像进行二值化转换，得到所述排管作业图像的二值化图像
。3.
根据权利要求2所述的基于机器视觉的连续管排管状态识别及调节方法，其特征在于，在所述得到所述排管作业图像的二值化图像之后，还包括：对所述排管作业图像的二值化图像进行图像形态学闭运算操作；根据预设边缘检测算子对经过图像形态学闭运算操作后的二值化图像进行边缘检测，得到边缘检测结果
。4.
根据权利要求1所述的基于机器视觉的连续管排管状态识别及调节方法，其特征在于，所述确定经过图像预处理后的排管作业图像的图像特征，包括：提取经过图像预处理后的排管作业图像中丝杠
、
油管
、
排管臂以及滚筒的形状特征；根据所述丝杠
、
油管
、
排管臂以及滚筒的形状特征确定所述丝杠与所述排管臂
、
所述油管与所述滚筒以及所述丝杠与所述油管之间的相对位置，并将所述相对位置确定为所述排管作业图像的图像特征
。5.
根据权利要求1所述的基于机器视觉的连续管排管状态识别及调节方法，其特征在于，在所述根据所述图像特征和预设排管状态识别模型，确定对应的排管当前状态之前，包括：对预设历史图像数据进行分类和标注，得到训练样本数据；将所述训练样本数据导入预设建议学习模型和预设过拟合优化神经网络中进行迭代训练，得到排管状态识别模型
。6.
根据权利要求1所述的基于机器视觉的连续管排管状态识别及调节方法，其特征在于，所述根据所述图像特征和预设排管状态识别模型，确定对应的排管当前状态，包括：将所述图像特征输入预设排管状态识别模型，得到所述排管状态识别模型输出的排管控制参数期望卷入偏角；根据所述排管控制参数期望卷入偏角与预设阈值的数值比较关系，确定对应的排管当前状态
。7.
根据权利要求1所述的基于机器视觉的连续管排管状态识别及调节方法，其特征在于，所述根据所述排管当前状态执行对应的滚筒排管调节操作，包括：根据所述排管当前状态驱动滚筒排管执行机构对滚筒排管小车进行对应调节操作
。
8.
一种基于机器视觉的连续管排管状态识别及调节装置，其特征在于，包括：图像采集模块，用于实时采集滚筒排管作业区域的排管作业图像，并对所述排管作业图像进行图像预处理；图像识别模块，用于确定经过图像预处理后的排管作业图像的图像特征，并根据所述图像特征和预设排管状态识别模型，确定对应的排管当前状态；自动调节模块，用于根据所述排管当前状态执行对应的滚筒排管调节操作
。9.
...

【专利技术属性】
技术研发人员：施文涛，袁进平，康凯，汤清源，于志军，杜宇成，徐云喜，李斌，王文军，刘丹，莫同鸿，李帅，
申请(专利权)人：中国石油集团工程技术研究院有限公司中石油江汉机械研究所有限公司北京石油机械有限公司，
类型：发明
国别省市：