System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及无损检测图像识别,尤其涉及一种数字射线底片的焊缝识别方法、装置和计算设备。
技术介绍
1、在长输管道建设和维护过程中,射线检测是重要的无损检测手段,从数字射线底片中进行焊缝的准确识别对于确保管道结构的完整性和安全性至关重要。高效的焊缝分割技术可以为管道工程师和焊接操作人员提供可靠的工具,以快速、准确地定位和分析焊缝,从而提高焊接质量和管道的整体可靠性。通过焊缝分割技术的应用,长输管道和石油天然气行业可以获得更高效的管道管理和维护,减少人力资源和时间成本,并确保管道系统的持久性和可靠性。
2、相关技术中,通常基于射线底片的像素值的变化情况对焊缝进行识别,使得焊缝识别受到焊缝两侧无关信息干扰较大,导致识别结果中包含背景信息,存在识别准确性差的问题。
3、因此,亟需一种数字射线底片的焊缝识别方法对石油天然气行业中的长输管道环焊缝射线底片图像中焊缝进行准确识别,以解决上述问题。
技术实现思路
1、本专利技术提供一种数字射线底片的焊缝识别方法、装置和计算设备,能够实现对数字射线底片中的管道环焊缝的准确快速识别,从而提升管道维护和管理效率。
2、本专利技术解决上述技术问题的技术方案如下:
3、第一方面,本专利技术提供一种数字射线底片的焊缝识别方法,上述方法包括:获取管道环焊缝射线底片图像r0;通过unet网络对管道环焊缝射线底片图像r0进行多次上采样和下采样处理,得到多个浅层特征图rl和每个浅层特征图rl对应的深层特征图rd;将浅层
4、本专利技术的有益效果是:一方面,本专利技术以深度学习理论为基础,基于daam深层注意力调节模块融合u-net的焊缝区域分割模型,其中daam模块提取浅层特征图的通道注意力和空间注意力得到注意力权重,并将注意力权重赋予深层特征图,提升深层特征图对低级语义特征的注意力。另一方面,本专利技术基于无损检测领域知识,对识别结果进行二次识别处理,根据管道环焊缝射线底片图像r0的图像大小获取膨胀结构体进行自适应膨胀形态学操作,以及使用种子填充法统计焊缝区域数量,根据环焊缝射线底片中的焊缝区域特性自定义规则过滤背景误分割区域,最终原图中获得完整的、连通且唯一的焊缝区域。本专利技术提供的方法能够实现对射线底片图像中的管道环焊缝的准确快速识别,从而提升管道维护和管理效率。
5、在第一方面一种可能的实现方式中,将浅层特征图rl的注意力权重赋予浅层特征图rl对应的深层特征图rd,得到调整后的深层特征图rd-l,包括:
6、确定浅层特征图rl的通道注意力权重,通道注意力的确定公式为:
7、cam(x)=σ(cov(avgpool(x))+cov(maxpool(x))
8、x为浅层特征图rl;maxpool为最大池化层,avgpool为平均池化层,池化的卷积核大小均和特征图大小相同,即池化结果为1*1*c(c为特征图原本的通道数)的特征图;cov为卷积层,卷积核大小为1*1*c,卷积核个数为c;σ为sigmoid激活函数,其公式为:
9、
10、对浅层特征图rl中的每一个通道都赋予通道注意力权重相应通道的权值,得到处理后的浅层特征图rlt,计算公式为:
11、rlt=aacm*rl
12、其中,acam为通道注意力权重,注意力权重的大小为1*1*c;
13、对浅层特征图rl1进行空间注意力提取,空间注意力的计算公式为:
14、sam(x)=σ(cov([avgpool(x),maxpool(x)]))
15、x为新的浅层特征图rlt;maxpool为最大池化层,avgpool为平均池化层,池化的卷积核大小均为1*1*c,两次池化拼接结果为w*h*2(w和h分别为原特征图宽和高)的特征图;cov为卷积层,卷积核大小为7*7*2,卷积核个数为1;σ为sigmoid激活函数,计算公式与所述浅层特征图rl中的每一个通道都赋予通道注意力权重相应通道的权值的计算公式相同,最终提取的注意力权重为asam,注意力权重的大小为w*h*1;
16、对深层特征图rd中的每一个通道都赋予注意力权重的权值,得到深层特征图rd-l,计算公式为:
17、rd-l=asam*rd
18、其中,asam为注意力权重。
19、本专利技术的有益效果是:本专利技术以深度学习理论为基础,基于daam深层注意力调节模块融合u-net的焊缝区域分割模型,其中daam模块提取浅层特征图的通道注意力和空间注意力得到注意力权重,并将注意力权重赋予深层特征图,提升深层特征图对低级语义特征的注意力。本专利技术提供的方法能够实现对射线底片图像中的管道环焊缝的准确快速识别,从而提升管道维护和管理效率。
20、在第一方面一种可能的实现方式中,基于管道环焊缝射线底片图像r0的图像大小对第一识别结果图像r1进行自适应膨胀操作,得到第二识别结果图像r2,包括:
21、根据基于管道环焊缝射线底片图像r0的图像大小确定膨胀结构体的膨胀常数k和结构大小m*n;
22、膨胀常数k的选取规则如下所示:
23、
24、膨胀结构体的结构大小的计算公式为:
25、
26、l是r0的长度,d是r0的宽度,m和n向下取整;
27、根据膨胀结构体的膨胀常数k和结构大小m*n对第一识别结果图像r1进行自适应膨胀操作,得到第二识别结果图像r2,计算公式为:
28、
29、其中,b为大小为m*n的条形结构体,bx,y表示膨胀结构体内的任意一点。
30、本专利技术的有益效果是:本专利技术基于无损检测领域知识,对识别结果进行二次识别处理,根据管道环焊缝射线底片图像r0的图像大小获取膨胀结构体进行自适应膨胀形态学操作,图像中获得完整的、连通且唯一的焊缝区域。本专利技术提供的方法能够实现对数字射线底片中的管道环焊缝的准确快速识别,从而提升管道维护和管理效率。
31、在第一方面一种可能的实现方式中,对第二识别结果图像r进行优化,得到第三识别结果图像r3,包括:
32、将第二识别结果图像r2中像素值大于0的像素点的像素值设置为255,得到第二识别结果图像r2对应的单通道二值图;
33、确定单通道二值图中的焊缝连通区域ui本文档来自技高网...
【技术保护点】
1.一种数字射线底片的焊缝识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,将所述浅层特征图RL的注意力权重赋予所述浅层特征图RL对应的深层特征图RD,得到调整后的深层特征图RD-L,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于管道环焊缝射线底片图像R0的图像大小对第一识别结果图像R1进行自适应膨胀操作,得到第二识别结果图像R2,包括:
4.根据权利要求3所述的方法,其特征在于,所述对第二识别结果图像R进行优化,得到第三识别结果图像R3,包括:
5.根据权利要求4所述的方法,其特征在于,所述确定所述单通道二值图中的焊缝连通区域Ui的计算公式为:
6.一种数字射线底片的焊缝识别装置,其特征在于,所述装置包括:
7.根据权利要求6所述的装置,其特征在于,权重赋予单元,具体用于确定所述浅层特征图RL的通道注意力权重,通道注意力的确定公式为:
8.根据权利要求7所述的装置,其特征在于,所述第一优化单元,具体用于根据所述基于管道环焊缝射线底片图像R0的图像大小确定
9.根据权利要求8所述的装置,其特征在于,所述第二优化单元,具体用于:
10.一种计算设备,其特征在于,包括:
...【技术特征摘要】
1.一种数字射线底片的焊缝识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,将所述浅层特征图rl的注意力权重赋予所述浅层特征图rl对应的深层特征图rd,得到调整后的深层特征图rd-l,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于管道环焊缝射线底片图像r0的图像大小对第一识别结果图像r1进行自适应膨胀操作,得到第二识别结果图像r2,包括:
4.根据权利要求3所述的方法,其特征在于,所述对第二识别结果图像r进行优化,得到第三识别结果图像r3,包括:
5.根据权利要求4所述的方法,其特征在于,所...
【专利技术属性】
技术研发人员:郭晓峰,高富超,田野,邹斌,高涛,方卫林,曹俊杰,李宁,阙永彬,李坤,
申请(专利权)人:国家石油天然气管网集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。