[发明专利]管道缺陷识别方法、处理器和管道缺陷识别装置

权利要求书

1.一种管道缺陷识别方法，其特征在于，所述管道缺陷识别方法包括：

获取管道缺陷管段的漏磁信号数据；

根据所述漏磁信号数据绘制漏磁曲线图像；

对所述漏磁曲线图像进行裁剪处理，以获取标准尺寸的漏磁曲线图像；

根据所述标准尺寸的漏磁曲线图像确定管道缺陷识别图像；

将所述管道缺陷识别图像输入到管道缺陷识别模型中，以提取出所述管道缺陷识别图像的特征信息；

根据所述特征信息识别出所述管道缺陷管段的缺陷类型。

2.根据权利要求1所述的管道缺陷识别方法，其特征在于，所述管道缺陷识别模型通过以下步骤构建：

确定管道的结构、尺寸和焊缝类型；

根据所述结构、所述尺寸、所述焊缝类型对所述标准尺寸的漏磁曲线图像进行剔除处理；

确定剔除处理后的所述漏磁曲线图像中包含的所述缺陷类型和每种所述缺陷类型对应的数量，以构建管道缺陷图像样本集；

构建管道缺陷识别训练网络；

根据所述缺陷图像样本集和所述管道缺陷识别训练网络构建管道缺陷识别模型。

3.根据权利要求2所述的管道缺陷识别方法，其特征在于，所述管道缺陷图像样本集包括所述管道缺陷识别图像和无缺陷管道图像。

4.根据权利要求2所述的管道缺陷识别方法，其特征在于，所述根据所述结构、所述尺寸、所述焊缝类型对所述标准尺寸的漏磁曲线图像进行剔除处理包括：

根据所述结构和所述尺寸确定所述管道中的三通阀和法兰；

根据所述焊缝类型和所述尺寸确定所述管道中的环焊缝和螺旋焊缝；

对所述标准尺寸的漏磁曲线图像中带有所述三通阀、所述法兰、所述环焊缝和所述螺旋焊缝的漏磁曲线图像进行剔除处理。

5.根据权利要求2所述的管道缺陷识别方法，其特征在于，所述构建管道缺陷识别训练网络包括：

获取残差神经网络的卷积核权重值；

根据所述管道缺陷图像样本集确定管道缺陷图像训练集；

将所述卷积核权重值和所述管道缺陷图像训练集输入到所述残差神经网络中，以构建所述管道缺陷识别训练网络。

6.根据权利要求5所述的管道缺陷识别方法，其特征在于，所述获取残差神经网络的卷积核权重值包括：

获取稀疏自编码器的训练网络；

将所述管道缺陷图像训练集输入到所述稀疏自编码器的训练网络中进行训练，以构建所述稀疏自编码器的测试网络；

根据所述管道缺陷图像样本集确定管道缺陷图像测试集；

将所述管道缺陷图像测试集输入到所述稀疏自编码器的测试网络中进行测试，以输出所述卷积核权重值。

7.根据权利要求6所述的管道缺陷识别方法，其特征在于，所述根据所述缺陷图像样本集和所述管道缺陷识别训练网络构建管道缺陷识别模型包括：

将所述管道缺陷图像训练集输入所述管道缺陷识别训练网络中进行训练，以构建管道缺陷识别测试网络；

将所述管道缺陷图像测试集输入到所述管道缺陷识别测试网络中进行测试，以构建所述管道缺陷识别模型。

8.一种处理器，其特征在于，所述处理器被配置成执行根据权利要求1至7中任意一项所述的管道缺陷识别方法。

9.一种管道缺陷识别装置，其特征在于，所述管道缺陷识别装置包括根据权利要求8所述的处理器。

10.根据权利要求9所述的管道缺陷识别装置，其特征在于，所述管道缺陷识别装置还包括：

磁传感器，用于检测管道缺陷管段的漏磁信号。