[发明专利]一种锅炉管道表面缺陷的机器视觉检测方法及系统

说明书

本发明公开了一种锅炉管道表面缺陷的机器视觉检测方法及系统，首先采集一定数量的锅炉管道表面图像作为样本图像，并对图像进行预处理、降维、特征合并，然后利用遗传算法和SMO算法，求解出准确率最高的分类超平面，并由最优分类超平面确定决策函数。再通过决策函数，对工业相机采集到的待检测锅炉管道表面图像进行实时检测。本发明的分类模型简单、可靠，缺陷识别的正确率高，与人工检测锅炉表面缺陷相比，检测效率得到了极大的提升。

技术领域

本发明涉及机器视觉技术领域，特别涉及一种锅炉管道表面缺陷的机器视觉检测方法及系统。

背景技术

由于我国的能源主要是以煤炭等化石燃料为主，所以在未来的一段时间内火力发电仍占据我国电力供应的主导地位。据统计，截止2015年2月，我国目前在运营的火力发电厂一共有1241家，发电总量为9.16亿千瓦，约占发电总量的67％。火力发电依旧是当前我国电力能源工业的主要发电方式，在火力发电的各种设备中，锅炉占据了重要地位，与汽轮机和发电机共称为电厂的“三大主机”，是整个燃煤电厂的能量来源，其运行的稳定性直接影响整个燃煤电厂系统的安全。

锅炉被称为蒸汽发生器，是一种能量转换设备，应用范围极其广泛，由于其运行条件十分恶劣，且长期受到水蒸气与炉水等的冲刷与腐蚀，经常出现水垢聚集、管道表面氧化皮脱落以及内外变形不均匀等缺陷，需要定期对其进行检测与维护，否则一旦发生安全事故，就会影响设备的正常运行，在目前所发生的锅炉故障中，四管(过热器管、再热器管、水冷壁管、省煤器管)爆漏是最常见、多发性故障，而管道的氧化皮剥落是引起四管泄露的重要原因。在管道氧化皮剥落的初始阶段，管道的泄漏量都不大，对于故障的部位不好确定和判断，一般要经过几天或更长时间泄露程度才会增大，发展成为破坏性泄露或爆管，严重威胁着火力发电厂的安全稳定运行，因此加强生产、安装及运行过程中对锅炉四管的检测对于燃煤电厂的安全运行至关重要。

目前全国各地的火电厂主要依靠最原始的人工定期检测的办法，这也是目前应用最广的方法。工人戴上口罩，穿上工作服进入锅炉内部，靠手电和肉眼来确定锅炉管道是否存在缺陷并且对其进行维修。该方法虽然简单易行，但在实际使用中有很大的局限性。首先，锅炉内部工作环境极其恶劣，工人在这样的环境下长期工作，患上职业病的可能性极大，导致越来越多的年轻人不愿意从事这项工作。其次，对锅炉管道进行检查需要有极其丰富的工作经验，初次接触这项工作的工人在手电的照射下并不能很好地分辨出缺陷，但是往往这些缺陷会产生严重的后果，直接导致停机。因此，寻求一种新的表面缺陷检测方法来替代传统的人工检测成为许多企业迫切需要解决的问题方案之一。

机器视觉系统是研究计算机来模拟生物视觉的科学技术，机器视觉系统的首要目标是用图像创建或恢复现实世界模型，然后认识现实世界，机器视觉是一个相当新且发展十分迅速的研究领域，并已成为计算机科学的重要研究领域之一，几十年来，随着工业相机、图像采集卡、照明设备等硬件性能的提升，以及图像处理算法的不断完善，使得基于机器视觉的检测技术精度更高，抗干扰能力更强，可靠性更好，因此，基于图像的机器视觉检测方法能为管道表面的缺陷识别提供一个良好的替代方案和解决思路。

发明内容

本发明需要解决的技术问题就在于：针对目前管道表面缺陷检测主要还是依靠工人肉眼观察所产生的诸多弊端，本发明提供一种锅炉管道表面缺陷的机器视觉检测方法及系统，检测速度快、检测精度高。

为了解决上述技术问题，本发明采用以下技术方案：

一种锅炉管道表面缺陷的机器视觉检测方法，包括以下步骤：

步骤1、在光照系统的辅助下，通过工业相机采集z张锅炉管道表面图像，作为样本图像，包括管道表面正常的图像与管道表面存在缺陷的图像；

步骤2、分别对每一张样本图像进行预处理，并提取图像的特征向量；

步骤3、将z张样本图像的特征向量分别作为支持向量机的输入向量，然后以分类间隔最大化的设计准则，建立最优分类超平面，并由最优分类超平面确定决策函数；