CN119444749A 一种基于机器视觉的油气管道高后果区评估方法及系统 （国家管网集团天津天然气管道有限责任公司）

大街与新城东路交口隆泰广场2号楼-司一种基于机器视觉的油气管道高后果区评基于机器视觉的油气管道高后果区评估方法及陷图像数据链；对缺陷图像数据链进行分析处警的可靠性，解决了传统监测手段中存在的问2将所述图像数据集中每一实时图像数据分别与标准图像进行比对，基于边缘识别对所述缺陷图像数据链中的每一实时图像数据进行分对每一条子缺陷图像数据链进行分析处理，获得每一条子缺陷图采集所述待监测区域动态参数，根据所述动态参数以及整体缺陷评估获取第一初始空白数据链和第二初始空白数据链，其中，每将所述图像数据集中实时图像数据的数据量与所述标准图像的数据述实时图像数据的数据量与所述标准图像的数据量差值大于a倍标准图像的数据量时生成将所有携带有换链标记的实时图像数据转移至所述第一初始空白将所述图像数据集中未标记的实时图像数据转移至所述第二初始空将所述缺陷图像数据链中每张实时图像数据;使用Sobel算子计算平滑处理后的图像的水平和垂直梯度，应用Can;3;基于轮廓检测获取边缘图像的轮廓，从每一轮廓中提取轮廓面积、y)分别表每一条子缺陷图像数据链进行分析处理，获得每一条子缺陷图像数据链的缺陷评估值时，;根据所有子缺陷图像数据链的缺陷评估值获得缺陷评估均值，;;4;其中，Ej表示第j条子缺陷图像数据链的缺陷评估值，Zj表示第;根据所述风险估值与风险阈值获得风险超出值，所述风险超出值为判断单元，被配置为将所述图像数据集中每一实时图像数据分别与标准图像进行比分类单元，被配置为基于边缘识别对所述缺陷图像数据处理单元，被配置为对每一条子缺陷图像数据链进行分析处理，获得预警单元，被配置为采集所述待监测区域动态参数，根据所述评估值确定所述待监测区域的风险估值，并根据所述风险估值对所述待监测区域进行预5[0005]鉴于此，本发明提出了一种基于机器视觉的油气管道高后果区评估方法及系统，旨在解决当前油气管道检测技术中存在的依靠人工监测或单一传感器监测，监测效率低、6[0014]将所述图像数据集中实时图像数据的数据量与所述标准当所述实时图像数据的数据量与所述标准图像的数据量差值大于a倍标准图像的数据量时[0017]进一步的，将所述缺陷图像数据链按缺陷类型拆分为若干条子缺陷图像数据链y)分IS(x,y)表示平滑处理后的图7一条子缺陷图像数据链的缺陷评估值与缺陷评8级预警；当所述风险超出值大于第一预设风险超出值且小于或等于第二预设风险超出值权重与所有缺陷评估值获得所述待监测区域的整体缺陷评[0061]图1为本发明实施例提供的基于机器视觉的油气管道高后果区评估方法的流程[0062]图2为本发明实施例提供的基于机器视觉的油气管道高后果区评估系统的结构框9效降低数据处理的复杂性。S300中对缺陷图像数据链中的每一帧图像进行更深入的分析，采用边缘识别技术对图像进行精确的缺陷轮廓检测。边缘识别能够准确定位缺陷的形状、[0073]具体而言，将图像数据集中实时图像数据的数据量与标准图像的数据量进行比对，当实时图像数据的数据量与标准图像的数据量差值大于a倍标准图像的数据量时生成y)分IS(x,y)表示平滑处理后的图一条子缺陷图像数据链的缺陷评估值与缺陷评[0110]当风险超出值小于或等于第一预设风险超出值时，对待监测区域进行三级预[0112]上述实施例中通过在待监测区域内部署多个信息采集点，并利用CCD相机采集实[0115]判断单元，被配置为将图像数据集中每一实时图像数据分别与标准图像进行比[