[发明专利]基于OTSU和区域生长法的电厂高温管道缺陷检测与分割方法

说明书

本发明涉及一种基于OTSU和区域生长法的电厂高温管道缺陷检测与分割方法，包括以下步骤：获取原始红外图像并灰度化，通过改进二维OTSU预分割提取出管道区域；通过管道区域的灰度分布直方图，找出管道正常温度对应的灰度范围；通过判断邻域灰度均值最大值是否超出正常灰度范围，完成多缺陷种子点的自动检测和定位；将根据已生长区域的灰度均值和标准差调整的自适应阈值作为生长准则，以基于Prewitt算子计算的梯度幅值阈值作为附加条件，实现缺陷区域的生长与提取。与现有技术相比，本发明具有可靠性和准确性高、实时性好的优点，能够满足应用需求。

技术领域

本发明涉及电厂巡检机器人后台图像处理领域，尤其是涉及一种基于OTSU和区域生长法的电厂高温管道缺陷检测与分割方法。

背景技术

电力安全生产关系到各行各业和社会的稳定。电厂中分布着大量的高温高压蒸汽管道，一旦因管道缺陷发生高温高压蒸汽泄漏，后果不堪设想。电力巡检作为保障电厂稳定运行和安全生产的重要手段，主要是通过人工手持红外热像仪等设备按规定巡检线路进行管道、阀门的“跑冒滴漏”检测。然而，受主观因素和环境因素的影响，人工巡检存在巡检耗时长、标准化程度低、易出现误检和漏检等问题，巡检效率较低。

目前，针对管道缺陷泄漏的无损检测主要面向油气管道，采用的方法有涡流检测、超声检测、漏磁检测、射线照相检测等。其中，涡流检测一般需要将探头置入管道内部；电磁超声检测易受环境噪音的影响，信噪比低；漏磁检测需要对被测管道表面进行预处理；射线照相检测操作复杂且对人体有伤害。另外，近年来国内外专家学者也开展了基于管道机器人的管道内视频缺陷检测的相关研究，但管道机器人无法工作于运行中的高温高压管道。因此，以上方法均无法用于电厂高温高压蒸汽管道的在线检测。

随着智慧电厂建设的推进，通过搭载红外热像仪等设备的智能巡检机器人代替人工完成巡检任务，正在成为保证电厂安全生产的趋势。相比于输配电网和其他场景而言，电厂巡检环境属室内环境，采集到的高温管道红外图像具有对比度低、背景复杂等特点，并且要求巡检机器人搭载的图像识别算法能够实现多缺陷的自主检测。近年来，国内外专家学者针对不同的应用场景，通过分水岭算法、边缘检测算法等进行相应的改进，但均无法直接应用于电厂巡检机器人完成高温高压管道多缺陷自动检测。因此，需要机器人通过具有更高鲁棒性和准确性的图像识别和分割算法实现电厂高温管道的缺陷自动检测。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于OTSU和区域生长法的电厂高温管道缺陷检测与分割方法。

本发明的目的可以通过以下技术方案来实现：

一种基于OTSU和区域生长法的电厂高温管道缺陷检测与分割方法，包括以下步骤：

S1、获取原始红外图像并灰度化，通过改进二维OTSU算法进行阈值分割，将管道设备区域从背景中提取出来，得到预分割后图像，预分割后图像中管道设备区域灰度值保持不变，背景区域灰度值设为0；

S2、求取预分割后图像的灰度分布直方图，找到直方图中除灰度值为0时的峰值所对应的灰度值T*，以此值代表管道正常温度对应的灰度值；

S3、遍历整幅预分割后图像，找到灰度邻域均值最大的像素点位置，判断该像素点灰度值f_max与T*+e的大小，其中e为正常灰度波动阈值，若f_max＞T*+e，则该像素点为缺陷中心，将该点作为一个种子点；基于生长准则完成种子点对应缺陷区域的生长，并将预分割后图像中该区域的像素值设为0；

S4、重复步骤S3，直至检测到所有的缺陷中心，即当前灰度邻域均值最大的像素点的灰度值f_max均小于等于T*+e，然后通过基于生长区域灰度均值、标准差的自适应阈值，以及基于Prewitt算子的梯度幅值改进的生长判定准则，完成各缺陷区域的生长和提取。

进一步地，所述的步骤S1中，改进二维OTSU算法中，二元组联合概率密度的表达式为：