基于图像特征提取的在役管线故障缺陷的分类

尹　健，邢　韵，刘松凯

(中国科学院沈阳自动化研究所，沈阳110014)



基于图像特征提取的在役管线故障缺陷的分类

尹健，邢韵，刘松凯

(中国科学院沈阳自动化研究所，沈阳110014)

摘要:分析了在役管线母材及焊缝的故障缺陷的主要类型及形成原因，并根据其在X射线底片上的显图的特点，确定了在役管线母材及焊缝的故障缺陷所提取的特征参数的类别，并对其提取算法进行介绍，为智能分类识别在役管线故障缺陷X射线检测图像奠定了基础.

关键词:在役管线;母材缺陷;焊缝缺陷;特征参数;边界分析;故障分类

管线是最重要的油气运输载体，是现行五大运输工具之一.由于油气输送管线广泛铺设于世界各地，不同的地理环境、气候变化等外界复杂条件所导致的由其母材及焊缝缺陷所引起的事故时有发生，且事故多对周围环境造成影响，对人员安全构成重大的威胁.因此如何正确地从在役管线检测X射线底片中提取存在的故障缺陷图形的特征、进而分类故障缺陷类型显得尤为重要［1－2］.

1　故障缺陷分类及图像特点

1.1母材故障缺陷

在役管线的工况条件复杂，甚至恶劣，其缺陷形式复杂多样.根据调查统计结果，可将在役管线母材故障缺陷划分为横向缺陷、纵向缺陷以及其它形式缺陷三大部分.

在实际情况中，适合X射线检测的在役管线母材故障缺陷主要有裂纹、孔洞以及不规则腐蚀，如图1所示.

( 1)裂纹缺陷:其图像特点是不规则的黑线状，多为波线形，也有成平直状、分叉状、弯曲状等多种显形.

( 2)孔洞缺陷:其图像特点是类圆形状，且轮廓光滑边缘规则，黑度值较大.

( 3)不规则腐蚀缺陷:其图像特点是形状复杂，轮廓边界较不清楚，缺陷图像占总图像比例大.

1.2焊缝故障缺陷

正确地分类在役管线母材及焊缝故障缺陷的基础是对其特征进行充分的分析，根据GB 6417 －86《金属熔合焊焊缝缺陷分类及说明》可将在役管线焊缝的故障缺陷归为裂纹、未焊透、未熔合、气孔、夹渣、形状缺陷等六种类别.对在役管线焊缝处X射线底片所显示的故障图像进行分析时，可根据图像的形状特点、图像灰度值的分布以及故障图像相对于整体图像的位置进行分析.下面将分类介绍焊缝故障缺陷(见图2)的图像形状特点［3］.

图1　在役管线母材缺陷Fig.1 Base metal defect of the in－service pipeline( a)—裂纹; ( b)—孔洞; ( c)—不规则腐蚀

图2　在役管线焊缝缺陷Fig.2 Welding–line defect of the in－service pipeline( a)—裂纹; ( b)—未焊透; ( c)—未熔合; ( d)—气孔; ( e)—夹渣; ( f)—形状缺陷

( 1)裂纹:其图像特点是其外形呈现明显黑线状并伴有微小的锯齿，有些裂纹图像有分叉，裂纹图像中端部尖锐且黑度低，中间显像变粗黑度变高.

( 2)未焊透:其图像特点是外形呈细直黑线状，轮廓整齐，呈断续或连续分布，有时能贯穿整张底片，一般显像于焊缝中部，成像宽度恰好是钝边机械加工时间隙的宽度.

( 3)未熔合:根部未熔合的图像特点是呈连续或断续的黑线且靠近母材侧显像整齐黑度值大;坡口未熔合的图像特点是连续或断续的黑线，宽度及黑度不均匀;层间未熔合的图像特点是黑度低其外形呈块状，不易被发现.

( 4)气孔:其图像特点是黑度较大的斑点状，中心黑度大，轮廓明显，以球状居多但也有其它形状，气孔有单图像也有密集分布图像.

( 5)夹渣:其图像特点是黑度较小的斑点状，且其外形不规则，黑度分布无规律，较小的夹渣外形轮廓显像不清.

( 6)形状缺陷:其图像不尽相同，其成像明显区别于其他缺陷图形，容易识别，缺陷甚至不需X射线拍照分析肉眼即可直接识别.

2　故障缺陷特征参数的确定

2.1图像特征参数的选取依据

在役管线故障缺陷图形是以缺陷形态为基础，在X射线照射方法、管线壁厚尺寸以及焊接工艺等诸多因素共同作用的结果.由在役管线故障缺陷的图像特点分析可知，故障缺陷图像的外形轮廓、黑度值分布，以及图中缺陷图像相对于整体图像的位置是判断故障缺陷类别的最重要的三个因素，通过对此三类特征进行正确的特征量提取，才能对故障缺陷进行分类识别［4］.

2.2图像特征参数的选取类别

在役管线母材及焊缝故障缺陷通过计算机作自动识别时，要充分考虑缺陷的几何形状、缺陷灰度差及位置.本文提出可采用下面六类特征参数对在役管线母材及焊缝故障缺陷进行标识提取，其中前五点特征用于母材故障缺陷，全部特征用于焊缝故障缺陷:

( 1)长宽比L1/L2.根据长宽比可区分圆形与长形缺陷.

式中，L1为长轴长度; L2为短轴长度.

当L1/L2≤3时可判定为圆形缺陷，反之可判定为长形缺陷.

式中，e为圆形度; S为区域面积; C为区域周长.

圆形度0＜e≤1，当e趋近于1时图像形状趋近于圆形，当e = 1时图像为圆形，当e取值越小时，图像形状越不规则，理论上最小值可趋向于0.

( 3)填充度指数ε.填充度指数反映了故障缺陷形状走向趋势.

式中，Lx为故障缺陷图像水平方向长度; Ly为故障缺陷图像垂直方向长度; S为故障缺陷图像的面积.

( 4)尖部尖锐度USP.尖锐度主要表征条形故障缺陷图形中两端的尖锐程度，尖锐度越大表明缺陷图像越尖锐.

式中，S1、S2为端部两侧长度为长径1/4部的面积值; S为缺陷的总面积.

( 5)对称性SYM.它主要表征故障缺陷图形的对称性;条形缺陷对称性较好，不规则缺陷的对称性较差.

考核成绩设置为平时成绩∶期中成绩∶期末成绩=4∶2∶4的模式（见表1）．该模式充分体现了过程考核和集中考核相结合的原则，培养了学生参与意识、责任意识和规则意识．其假设的前提是学生平时表现直接影响平时成绩，进而间接影响期中和期末集中考核成绩．线上考核满足个性化学习需要，培养责任意识与规则意识，课堂考核培养学生参与意识、责任意识、团队意识、担当意识及创新意识．考核方式与学生学习状态及学习效果直接相关．考核过程公开、公正、透明，对所有学生一视同仁，才能获得学生尊重与合作．

式中，S1、S2为端部两侧长度为长径1/4部的面积值.

( 6)缺陷的相对灰度REG.相对灰度主要表征的是故障缺陷图像灰度于其背景灰度的比值关系.

式中，A为缺陷图像灰度平均值; B为缺陷图像轮廓向外5个像素部分灰度平均值.

故障缺陷的不同在图像中成像的灰度也不尽相同，相对灰度可区别形状相近的不同类型故障缺陷的图像.

( 7)缺陷的重心坐标相对焊缝中心的位置PST.相对位置主要区别显像图像形状相似，灰度值相近但显像位置有差别的不同类型的故障缺陷.

式中，d为故障缺陷图像形状重心与焊缝中心线之间距离; BW为焊缝图像宽度.

3　故障缺陷特征参数的计算

3.1链码法的边界分析

目标区域外部形状是构成区域边界像素的集合，利用链码法［5］可以方便地提取并计算一系列的几何特征，将空间边界信息压缩表示.

链码法对缺陷边界进行跟踪时，由于数字图像是离散的，所以区域边界可对应理解成相邻边界像素的依次相连.链码法通常基于线段的4或8链码，每段的方向使用编号进行编码.4链码取值如图3( a)所示，取值为0、1、2、3或0、2、4、6; 8链码取值如图3( b)所示，用0、1、2、3、4、5、6、7表示8个方向，按逆时针递增，方向码即为上面提及的数字.下面将采用8链码进行描述边界.如图4所示，水平或垂直方向的链码边界(码长为1)用偶数表示;对角线方向的链码界(码长为用奇数表示.

当设定坐标系原点于左上角时( X轴正方向由左向右，Y轴正方向由上而下)，表1给出邻域各点相对于中心点的偏差值.

如图4所示的一条以S为起点的封闭曲线，其链码编码与方向有直接关联，顺、逆时针方向编码完全不同，其顺时针方向编码构成的链码可表示为: 0－7－6－6－6－6－5－5－3－3－2－1－2 －1－2.在具体应用时必须加以说明.

表1　中心点与各邻点坐标偏差Table 1 Deviation between the central point and the neighboring points

图4　边界的链码表示Fig.4 Boundary chain show

3.2故障缺陷的特征计算

计算在役管线缺陷的特征，有些特征参数的计算比较简单，在前文中已给出具体计算公式，而有些公式涉及其内部参数计算相对复杂，因此特征参数值的获得依赖于其相关参数的提取计算.

( 1)面积S.面积与故障缺陷图像有关，而与其内部灰度级的变化无关.在像素边长为1的条件下，可以用如图5所示的像素计数法来求区域面积.下面将给出图5所示面积求解方法，图5中区域面积的计算公式如下:

图5　面积计算方法ig.5 Method to estimate image’s area

式中，“1”为二值数字图像中物体的区域.需要说明的是，故障缺陷面积计算时，必须将缺陷图像进行填充，即计算面积为图像“实心”面积.

( 2)周长C.根据上文对于链码法的定义，可设定每个链码代表的长度为Δli，进一步设定区域边界链码表示为a1，a2，a3……，an，则其周长度量可由以下二式确定:

式中，ne为链码中偶数链的数目; n为链码序列中码的总数目.

( 3)长轴l1、短轴l2.如图6所示，长轴短轴分别代表区域图像边界中最大距离的两点连线和最小距离的两点连线.

图6　缺陷长轴、短轴Fig.6 Major axis and minor axis of a defect

若两点间的链码为{ a1，a2，a3，……，ak，}，则两点间距离为

式中，ai0为水平方向链码; ai2为垂直方向链码.

结合图6及式11可知L1= dmax，L2为垂直于长径的边界上任意两点连线最大长度，即:

( 4)缺陷水平长度L1、缺陷垂直长度.L2目标区域的水平及垂直长度定义如图7所示，分别指缺陷最大及最小纵坐标之差与缺陷最大及最小横坐标之差.

图7　缺陷水平长度、垂直长度Fig.7 Horizontal length and vertical length of a defect

( 5)目标区域的重x0，y0心.对于缺陷图像区域重心的获取是确定缺陷位置的前提，通过重心相对图像其他目标位置的距离计算分析缺陷类型，重心的计算公式如下［6］:

式中，x为横向; y为纵向; f( x，y)为点f( x，y)的灰度值.

( 6)焊缝的中心位置

缝的中心位置即焊缝宽度中心线位置，图像二值化后求得焊缝宽度的平均数的一半即为焊缝的中心位置.

4　结论

主要分析了在役管线母材及焊缝的故障缺陷的种类以及在X射线底片上图像的特点，并且设计了以长宽比L1/L2、圆形度e、填充度ε、尖部尖锐度USP及对称性SYM等五组特征作为母材的特征值;以长宽比L1/L2、圆形度e、填充度ε、尖部尖锐度USP、对称性SYM、缺陷的相对灰度REG及缺陷的重心坐标相对焊缝中心的位置PST等七组特征作为焊缝的特征值.并且对所有特征值的计算及部分计算公式中出现的复杂变量作详细的分析，为以后运用神经网络对在役管线故障缺陷进行分类识别奠定了基础.

参考文献:

［1］严大凡，翁永基.油气长输管道风险评估与完整性管理［M］.北京:化学工业出版社，2005: 26－40.( Yan Dafan，Weng Yongji.Risk and integrity management of long distance oil and gas pipeline［M］.Beijing: Chemical Industry Press，2005: 26－40.)

［2］许振清，智彦利，王安泉，等.油田热采注汽管道在线检测技术现状［J］.石油化工安全技术，2006，22( 1) : 46 －49.( Xu Zhenqing，Zhi Yanli，Wang Anquan，et al.Status quo of on－line detection technique for high－temperature and high －pressure steam injection lines dedicated for use in oilfields ［J］.Petrochemical Safety Technology，2006，22 ( 1) : 46 －49.)

［3］张晓光，高顶.射线检测焊接缺陷的提取和自动识别［M］.北京:国防工业大学出版社，2004: 2－15.( Zhang Xiaoguang，Gao Ding.Extraction and automatic identification of welding defects by X－ray detection［M］.Beijing: National Defense Industrial Press，2004: 2－15.)

［4］孙兆林.MATLAB6.X图像处理［M］.北京:清华大学出版社，2002: 175－197.( Sun Zhaolin.MATLAB6.X image processing［M］.Beijing: Tsinghua University Press，2002: 175－197.)

［5］吴元敏.基于Freeman链码的图像中多个区域面积的计算方法［J］.计算机工程与应用，2008，44( 15) : 199－201.( Wu Yuanmei.Method for calculating areas of multiple regions in image based on freeman chain code［J］.Computer Engineering＆Applications，2008，44( 15) : 199－201.)

［6］王强.工业产品的计算机视觉识别与检测算法研究［D］.北京:北京航空航天大学，2000: 74－79.( Wang Qiang.The study of computer vision algorithms in recognition and inspection of the industrial products［D］.Beijing: Beihang University，2000: 74－79.)

Fault classification of the in－service pipeline based on image feature extraction

Yin Jian，Xing Yun，Liu Songkai
( Chinese Academy of Sciences Shenyang Institute of Automation，Shenyang 110014，China)

Abstract:The main types of the fault of the base metal and the welding－line of the in－service pipeline were analyzed.According to the characteristics of the X－ray film，the characteristic parameters were determined.A feature extraction algorithm was proposed It may provide an important base for the intelligent recognition and the fault classification of the in－service pipeline of the x ray image.

Key words:in－service pipeline; base metal defect ; welding–line defect; characteristic parameters; boundary analysis; fault classification

作者简介:尹健( 1983—)，男，助理研究员，工学硕士，E－mail: yinjian@ sia.cn.

收稿日期:2015-10-23.

doi:10.14186/j.cnki.1671－6620.2016.01.015

中图分类号:TB 304

文献标识码:A

文章编号:1671-6620( 2016) 01-0076-05