[发明专利]一种基于生成对抗网络的三维漏磁检测缺陷重构方法

说明书

一种基于生成对抗网络的三维漏磁检测缺陷重构方法，属于无损检测技术领域。其特征在于，包含以下步骤：步骤1，使用深度照相机采集缺陷图像，得到缺陷数据；步骤2，使用漏磁检测仪器，通过对漏磁数据后处理得到漏磁数据；步骤3，所有数据分为样本数据与测试数据，样本数据分为训练数据与验证数据；步骤4：将所述样本数据中漏磁数据与缺陷数据匹配；步骤5：得到GAN最终模型；步骤7，得到缺陷三维轮廓。在本基于生成对抗网络的三维漏磁检测缺陷重构方法中，运用GAN模型对底板进行三维重构，能够快速进行缺陷三维轮廓重构，重构速度快，稳定性好，精度高，鲁棒性好，有利于各种不规则缺陷的重构速度和精度。

技术领域

一种基于生成对抗网络的三维漏磁检测缺陷重构方法，属于无损检测技术领域。

背景技术

漏磁检测是一种常用的无损检测技术，因其原理简单，在线检测能力强，检测效果好，广泛被用于管道、储罐底板、钢丝绳等铁磁性材料质量检测和安全评估领域。由于缺陷的形状的不定性，以及漏磁信号与缺陷形状间是复杂非线性的关系，成为目前漏磁检测技术研究的热点与难点问题。现有缺陷重构方法多以单轴漏磁检测信号作为数据源，进行二维某切面漏磁重构，或在二维基础上不同检测点通过插值实现三维重构，这些漏磁缺陷重构方法检测信号单一，计算模型复杂，运算量大，重构精度低。现有的三维缺陷重构方法或重构精度低，或计算模型复杂、计算时间长，使得重构效率低。

在现有技术中，申请号为201310220995.8的中国专利公开了一种石油管道缺陷最小二乘支持向量机二维重现方法，在该专利所公开的技术方案中，利用经去噪、归一化处理后的漏磁信号数据对管道缺陷进行轮廓重构，但是在该技术方中，因其只对某一断层轮廓进行反演，属于二维重构，其重构精度低。申请号为201510239389.X的中国专利中公开了一种三维漏磁检测缺陷轮廓重构方法及装置，在该专利所公开的技术方案中，虽然能够利用有限元方法构建向前模型，通过迭代以及遗传算法和禁忌搜索算法，但每一次迭代都需要重新进行有限元计算，计算时间长，计算成本大，效率低。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种运用GAN模型对底板进行三维重构，能够快速进行缺陷三维轮廓重构，重构速度快，稳定性好，精度高，鲁棒性好，有利于各种不规则缺陷的重构速度和精度的基于生成对抗网络的三维漏磁检测缺陷重构方法。

本发明解决其技术问题所采用的技术方案是：该基于生成对抗网络的三维漏磁检测缺陷重构方法，其特征在于：包括如下步骤：

步骤1001，在底板选取缺陷成像区域，使用深度照相机对成像区域进行捕捉，深度照相机采集缺陷图像的像素值代表缺陷的深度，归一化处理后得到缺陷数据；

步骤1002，利用三轴磁传感器检测磁化底板，获取底板离散三维漏磁检测数据，对离散的三维漏磁检测数据进行滤波与插值成像，并对各磁感应强度方向归一化处理，获得底板漏磁数据；

步骤1003，对得到的成对的底板漏磁数据和缺陷数据进行分离，将所有数据分为样本数据与测试数据；

步骤1004，将样本数据中缺陷数据与漏磁数据进行匹配；

步骤1005，训练数据中的漏磁数据为训练GAN过程的输入，训练数据中的缺陷数据为训练GAN过程的目标，得到GAN初始模型；

步骤1006，使用验证数据验证GAN初始模型得到GAN最终模型；

步骤1007，将特征提取后测试数据作为GAN最终模型的输入，得到缺陷三维轮廓。

优选的，在所述的步骤1001中，归一化处理后得到缺陷数据的矩阵公式为：

其中：F代表像素值矩阵，f(x，y)代表像素值，x、y分别表示横、纵坐标值，n＝256。