Page 106 - 无损检测2023年第十二期

试验研究

DOI : 10.11973 / ws j c202312013

基于无人机智能视觉的大型特种设备

表面缺陷检测

马金鑫 , 杜伟鑫 , 袁 昊 , 赵逸飞 , 杨学才 1
1
2
2
1

( 1. 中国矿业大学 化工学院, 徐州 221116 ; 2. 中国矿业大学 安全工程学院, 徐州 221116 )
摘 要: 为解决大型特种设备不可达部位表面缺陷检测的难题, 提出了一种利用无人机检测和

识别表面裂纹的方法。首先利用搭载着双云台的无人机检测装置, 对罐区围堰墙面以及高空建筑物

墙面等目标的表面图像进行全方位采集; 然后用 FasterR-CNN 深度学习神经网络算法对采集到的图
像进行分类, 确定检测图像中是否存在裂纹缺陷; 最后对检测出的裂纹目标框区域进行形态学处理。

检测结果表明, FasterR-CNN 算法的裂纹检测准确率达95.74% , 同时裂纹宽度识别误差约为3.9% ,
长度误差约为5.3% , 实现了罐区围堰墙面以及高空建筑物墙面的远程自动化检测。

关键词: 大型特种设备; 无人机视觉; 表面缺陷; FasterR-CNN ; 形态学处理

中图分类号: TG115.28 文献标志码: A 文章编号: 1000-6656 ( 2023 ) 12-0068-06

Lar g e-scales p eciale q ui p menttabledefectsdetectionbasedonUAVintelli g entvision

1
1
2
2
MAJinxin , DU Weixin , YUANHao , ZHAOYifei , YANGXuecai 1

( 1.SchoolofChemicalEn g ineerin g& Technolo gy , ChinaUniversit y ofMinin g andTechnolo gy , Xuzhou221116 , China ;

2.SchoolofSafet yEn g ineerin g , ChinaUniversit y ofMinin g andTechnolo gy , Xuzhou221116 , China )

Abstract : Tosolvethe p roblemofsurfacedefectdetectionininaccessible p artsoflar g e-scales p eciale q ui p ment ,

amethodusin gunmannedaerialvehicle ( UAV ) todetectandidentif y surfacecrackswas p ro p osed.Firstl y , aUAV

detectiondevicee q ui pp edwithadual p an-tilt-zoom ( PTZ ) p latform wasusedtocom p rehensivel ycollectsurface

ima g esofthetankfarmcofferdam wallsandhi g h-altitudebuildin gwalls ; Then , theFasterR-CNNdee p learnin g

neuralnetworkal g orithmwasusedtoclassif y thecollectedima g esanddetectwhethertherewerecracksordefectsin

theima g es ; Finall y , mor p holo g ical p rocessin g onthedetectedcracktar g etboxareawas p erformed.Thedetection

resultsshowedthattheFasterR-CNNal g orithmhadacrackdetectionaccurac yof95.74% , withacrackwidth

reco g nitionerrorofabout3.9%andalen g therrorofabout5.3%.Ithadachievedremoteautomateddetectionof

thetankfarmcofferdamwallandhi g h-altitudebuildin gwall.

Ke ywords : lar g es p eciale q ui p ment ; UAVvision ; surfacedefect ; FasterR-CNN ; mor p holo g icaltreatment
目前大型特种设备的表面缺陷检测主要依靠传 准确率较低, 另一方面人工检测效率不高 [ 1-6 ] 。加上
统人工检测方式, 该方式需要进行攀登作业并通过 现场高空、 高温、 粉尘、 大风等恶劣环境影响, 传统检
检测仪器或目视检查有无明显缺陷, 若存在颜色对 测方式不仅劳动强度高, 安全风险大, 而且检测人员
比不突出的小裂纹或缺陷, 容易出现漏检, 检测时间 往往无法到达一些重要部位( 如门式起重机主梁下
过长也会导致检测人员劳累等问题, 故一方面检测 部、 象鼻梁和人字架顶部等), 难以开展细致检查, 容
易出现漏检或误检。近年来, 由于无人机巡检具有
收稿日期: 2023-04-10
高效、 灵活和低成本的特点, 己被广泛应用于电力设
基金项目: 江苏省大学生创新创业训练计划( 202210290297H )
施与高压输电线巡检、 风力发电机叶片表面检测、 建
作者简介: 马金鑫( 2005- ), 男, 主要研究方向为特种设备无损
检测技术 筑物墙面检测和植保检测等领域, 并且取得了一些
效果, 逐渐成为一种不可替代的检测手段 [ 7-12 ] 。然
通信作者: 马金鑫, ma j inxincumt@163.com
8
6
2023年 第45卷 第12期
无损检测