發(fā)布時(shí)間：2021-04-14 20:32

　　傳統(tǒng)的壓力管道內(nèi)表面缺陷檢測(cè)裝置對(duì)待檢測(cè)管道的形狀結(jié)構(gòu)要求比較高,檢測(cè)方法耗時(shí)費(fèi)力。本文設(shè)計(jì)了一種球形視頻內(nèi)檢測(cè)裝置,并提出了基于深度卷積神經(jīng)網(wǎng)絡(luò)和區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的方法來檢測(cè)管道內(nèi)表面缺陷,具體工作包括以下幾個(gè)方面:（1）設(shè)計(jì)和制作視頻球內(nèi)檢測(cè)裝置,對(duì)壓力管道內(nèi)部進(jìn)行拍攝。該裝置包括攝像機(jī)、光源、供電的電池、球形外殼及支架,能720度拍攝到管道內(nèi)表面的缺陷、焊縫等各種情況。該視頻球憑借浮力在水中懸浮前進(jìn),因而對(duì)管道形狀結(jié)構(gòu)要求不高,只要水流大小合適,即可以在任何管道內(nèi)進(jìn)行拍攝。（2）研究確定了視頻球在壓力管道內(nèi)行進(jìn)速度的合適范圍。在拍攝過程中要求視頻球連續(xù)兩幀圖片之間盡可能不出現(xiàn)遺漏,同時(shí)要求連續(xù)兩幀圖片的重復(fù)部分不超過50%。本文在攝像機(jī)視角和幀率數(shù)據(jù)的基礎(chǔ)上,依據(jù)速度公式,計(jì)算出視頻球在管道內(nèi)行進(jìn)的最小和最大速度0.038m/s⁰.042m/s,為后續(xù)水流速度設(shè)置提供指導(dǎo)。（3）采用基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)改進(jìn)模型對(duì)管道圖片進(jìn)行分類,找出有缺陷、焊縫的管道圖片。一方面,建立管道圖像數(shù)據(jù)庫(kù),對(duì)基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,并驗(yàn)證測(cè)試集。另一方面,采... 

【文章來源】：中國(guó)計(jì)量大學(xué)浙江省

【文章頁數(shù)】：87 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

三種相機(jī)圖片

400 波長(zhǎng)在 380nm-420nm 之間色溫：5500K光亮很強(qiáng)，實(shí)用性較廣，通常用來拍的圖片850波長(zhǎng)在 780-1400nm 之間，是一種不的穿透能力很強(qiáng)386波長(zhǎng)范圍 191-400nm，穿透能力很強(qiáng)別、金屬上面的劃痕檢測(cè)等里應(yīng)用的光源，就可以拍攝到清晰的畫面，即圖像對(duì)比度高候甚至可以簡(jiǎn)化算法就能得到很好的檢測(cè)效果。我，選擇的光源要盡可能的模擬大自然大廣角度，發(fā)散 LED 電池盒帶開關(guān)燈帶如圖 2.3 所示，一共買了紅、，對(duì)比圖如 2.4 所示，實(shí)驗(yàn)結(jié)果表明選擇紅色光源時(shí)景圖像特征之間有最大的對(duì)比度。

圖 2.4 各種顏色光拍攝對(duì)比圖2.2 檢測(cè)裝置架構(gòu)的設(shè)計(jì)2.2.1 檢測(cè)裝置技術(shù)特性檢測(cè)裝置能夠使攝像機(jī)在拍攝管道內(nèi)部狀況的時(shí)候盡量處于管道中心的位置，另外光源在在相機(jī)的周圍，盡可能在相機(jī)周圍分布均勻，同時(shí)在制作的過程中還要考慮以下 3 個(gè)要素：1、設(shè)計(jì)的成本成本是首選要考慮的因素，對(duì)于加工制造業(yè)而言，利潤(rùn)率普遍較低，對(duì)于一項(xiàng)技術(shù)能否推進(jìn)展開，很大程度上是要在技術(shù)發(fā)展到成熟，應(yīng)用價(jià)格適中，所以在功能和成本之間需要做一個(gè)權(quán)衡。若要求檢測(cè)精度高，對(duì)相機(jī)的要求也高，成本也會(huì)高，所以在選型的時(shí)候要考慮設(shè)計(jì)成本。2、系統(tǒng)的可靠性可靠性包括檢測(cè)結(jié)果的可確定性還有就是檢測(cè)系統(tǒng)持續(xù)檢測(cè)的穩(wěn)定性，能

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)迭代優(yōu)化的圖像分類算法[J]. 李鳴,張鴻.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(01)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的管道缺陷識(shí)別[J]. 劉恩東.  電子技術(shù)與軟件工程. 2017(02)
[3]兩類分布式優(yōu)化問題關(guān)系初探[J]. 劉長(zhǎng)有,李磊.  山西建筑. 2016(34)
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的服裝圖像分類檢索算法[J]. 厲智,孫玉寶,王楓,劉青山.  計(jì)算機(jī)工程. 2016(11)
[5]淺析圖像降噪的算法研究[J]. 郜偉雪.  無線互聯(lián)科技. 2016(21)
[6]基于改進(jìn)型LBP特征的監(jiān)控視頻行人檢測(cè)[J]. 劉璨,孟朝暉.  電子設(shè)計(jì)工程. 2016(21)
[7]內(nèi)檢測(cè)技術(shù)在復(fù)雜海底管道中的工程應(yīng)用[J]. 王彬,馬洪新,郭斌,楊巍.  石油工程建設(shè). 2016(04)
[8]運(yùn)動(dòng)模糊車輛圖像復(fù)原方法研究[J]. 史海玲,邱曉暉.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(08)
[9]用于測(cè)量金屬板表面波紋度的濾波器研究[J]. 蔣光銳,張浩,劉李斌,李春光.  計(jì)量學(xué)報(bào). 2016 (04)
[10]機(jī)器視覺照明系統(tǒng)的關(guān)鍵技術(shù)分析[J]. 尚會(huì)超,楊銳,段夢(mèng)珍,段曉偉,張洪斌.  中原工學(xué)院學(xué)報(bào). 2016(03)

碩士論文
[1]在用工業(yè)管道腐蝕的漏磁外檢測(cè)技術(shù)研究[D]. 雒新宇.河北大學(xué) 2014
[2]自適應(yīng)深度學(xué)習(xí)算法在目標(biāo)分類問題中的應(yīng)用[D]. 米龍.東北大學(xué) 2014



本文編號(hào)：3137972