Page 116 - 无损检测2022年第四期
P. 116
雷铮强,等:
中俄东线管道射线检测底片图像的智能识别
的作用如图 9 所示, 除建设期产生的射线、 超声等检
测图像数据外, 在役管道还需要进行周期性的内检
测及相应的开挖检测, 管道运行阶段仍会不断产生
新的管道环焊缝检测数据。通过与建设期移交的无
损检测缺陷数据等进行自动对比, 可以快速准确地
实现补口腐蚀和焊缝缺陷增长的智能分析预测, 更
好地做出维护修复决策。 X 射线检测底片图像的缺
陷智能识别技术, 将在 DR 射线检测图像 [ 5 ] 、 AUT
图 8 裂纹缺陷检测效果示例 检测三维图像、 内检测信号图像 [ 6 ] 等方面继续发展,
效率。 助力管道大数据价值的充分挖掘, 实现管道智能化
缺陷智能分析技术在管道环焊缝全生命周期中 运营管理水平的提升。
图 9 缺陷智能分析技术在管道环焊缝全生命周期中的作用框图
5 结语
参考文献:
基于中俄东线北段管道全数字化移交的射线检
测底片图像和人工评级结果, 通过数据清洗和缺陷 [ 1 ] 燕冰川 . 高强钢管道环焊缝风险排查技术浅析[ J ] . 石
特征标注, 建立了全自动焊接环焊缝射线检测缺陷 油管材与仪器, 2020 , 6 ( 2 ): 46-48.
[ 2 ] 冼国栋, 吕游 . 油气管道环焊缝缺陷排查及处置措施
样本数据库, 可用于缺陷智能识别算法的调试、 优化
研究[ J ] . 石油管材与仪器, 2020 , 6 ( 2 ): 42-45.
和效果评价。采用 FasterR-CNN 、 YOLO 等最新
[ 3 ] 刘全利, 苗绘, 吕新昱, 等 . 中俄东线天然气管 道 工 程
深度学习算法, 完成了未熔合等主要类型缺陷智能
DR 设备 校 验 方 法 [ J ] . 油 气 储 运, 2020 , 39 ( 4 ): 453-
识别技术的研究和开发, 初步实现了未熔合、 裂纹等
458.
危害性缺陷的智能识别。 [ 4 ] 路浩, 王新. 首套高速列车焊缝射线检测智能化评定系
在“ 全数字 化 移 交、 全 智 能 化 运 营、 全 生 命 周 统研制[ J ] . 金属加工( 冷加工), 2016 ( S1 ): 414-418.
期管理” 的目标框架下, 射线检测底片缺陷智能识 [ 5 ] 王维斌, 雷铮强, 杨辉. 长输管道数字射线 DR 检测技
别技术的开发和应用, 可应用于辅助评片、 危害性 术应用与展望[ J ] . 油气储运, 2020 , 39 ( 12 ): 1337-1343.
缺陷筛查 及 判 断 缺 陷 增 长 情 况, 从 而 实 现 管 道 大 [ 6 ] 王富祥, 玄文博, 陈健, 等 . 基于漏磁内检测的 管 道 环
数据价值 的 充 分 挖 掘, 提 升 管 道 智 能 化 运 营 管 理 焊缝缺 陷 识 别 与 判 定 [ J ] . 油 气 储 运, 2017 , 36 ( 2 ):
的水平。 161-170.
欢迎网上投稿 欢迎订阅 欢迎刊登广告
7
8
2022 年 第 44 卷 第 4 期
无损检测
