(中海油能源發(fā)展采油服務(wù)公司,天津 300457)

基于視覺圖像技術(shù)的海洋平臺樁腿內(nèi)壁缺陷巡回檢測系統(tǒng)開發(fā)

穆勝軍

(中海油能源發(fā)展采油服務(wù)公司,天津 300457)

針對海洋樁腿內(nèi)壁缺陷檢測需求,提出根據(jù)拍攝到的樁腿內(nèi)壁圖像自適應(yīng)調(diào)整相機曝光時間的控制方法；研究了適用的圖像處理算法，準確可靠地獲得缺陷的外輪廓數(shù)據(jù),利用CCD攝像機和普通LED光源形成傳感器，結(jié)合應(yīng)用軟件，實現(xiàn)缺陷的自動檢測,實驗結(jié)果表明，該系統(tǒng)能夠?qū)崿F(xiàn)黑暗環(huán)境下樁腿內(nèi)壁缺陷的檢測。

缺陷檢測；視覺測量；圖像處理；樁腿內(nèi)壁

實際應(yīng)用中，受海水浸蝕、碰撞、偏載等因素的影響，樁腿會出現(xiàn)銹蝕、破裂、變形等方面的問題，這些問題若得不到及時處理，會在風、波浪、海流等環(huán)境載荷的作用下而不斷的惡化與擴大，進而危機樁腿乃至整個平臺系統(tǒng)的安全。目前，樁腿缺陷與隱患的檢測主要分現(xiàn)場檢測和在塢檢修?，F(xiàn)場檢測主要靠觀察的辦法，該方法通常伴隨著高空作業(yè)，操作難度大，效率低，具有一定的危險性，且可檢測范圍受限；在塢檢修比較徹底，但需要將平臺及樁腿拖進船塢進行，需要耗費大量的人力、財力。因此，從檢測的時效性及成本上看，開發(fā)一種樁腿缺陷的實時檢測系統(tǒng)非常必要。國內(nèi)外針對海洋平臺結(jié)構(gòu)的實時監(jiān)測包括對結(jié)構(gòu)裂紋、應(yīng)力、變形等方面的監(jiān)測。主要是通過在關(guān)鍵點布置傳感器的方法進行結(jié)構(gòu)損傷監(jiān)測，其監(jiān)測的靈活性及全面性不足。且相關(guān)研究主要集中于平臺主體結(jié)構(gòu)，而對于平臺關(guān)鍵基礎(chǔ)部件樁腿機構(gòu)的監(jiān)測相對較少。為此,考慮以機器人為載體，搭載視覺檢測系統(tǒng)[1-6]的方法對樁腿內(nèi)壁表面缺陷進行檢測。

1 系統(tǒng)組成

以某自升式海上平臺的樁腿為應(yīng)用對象。設(shè)計以機器人為載體的樁腿內(nèi)壁缺陷視覺檢測系統(tǒng)。該樁腿內(nèi)部結(jié)構(gòu)如圖1所示。

圖1 樁腿內(nèi)部結(jié)構(gòu)

該樁腿內(nèi)部圓柱形空間分為2個部分，其中一半結(jié)構(gòu)較為復(fù)雜，含手腳架、休息平臺等結(jié)構(gòu)，不適宜機器人的爬行，主要用于人工作業(yè)。而另一半結(jié)構(gòu)相對簡單，上下直通，適合爬壁機器人的運動。針對以上結(jié)構(gòu)特點，設(shè)計爬壁機器人搭載視覺檢測系統(tǒng)(見圖2)。

圖2 機器人搭載CCD攝像機

圖中機器人可在樁腿內(nèi)壁自動爬行，并能夠?qū)崟r檢測爬行中的障礙(“T”型加強筋)，控制爬行步長及腿桿的伸縮以跨過障礙。當機器人爬行到底部時，可自動啟動往上返回程序。針對海上平臺干式樁腿內(nèi)部結(jié)構(gòu)特點，通過在機器人本體上搭載多個CCD攝像機及光源，實現(xiàn)樁腿內(nèi)壁360°全景拍攝，進而檢測樁腿內(nèi)壁外觀裂紋、銹蝕、變形等缺陷。所設(shè)計視覺檢測系統(tǒng)原理見圖3。

圖3 視覺檢測系統(tǒng)原理示意

視覺檢測系統(tǒng)主要由硬件系統(tǒng)和軟件系統(tǒng)組成。硬件系統(tǒng)主要由CCD攝像機、普通LED光源、計算機、PLC和機械執(zhí)行機構(gòu)等組成。其具體功能為：LED光源將樁腿內(nèi)壁照亮，CCD攝像機采集樁腿內(nèi)壁圖像，并將采集到的圖像傳入計算機；計算機根據(jù)自主開發(fā)的軟件進行缺陷檢測和判定，并向PLC發(fā)送控制指令，操控機器人完成相應(yīng)動作。軟件系統(tǒng)功能：對計算機采集的圖像進行圖像處理，獲取端面的外輪廓像素點集，得到缺陷的輪廓信息。

2 曝光時間自適應(yīng)調(diào)節(jié)

系統(tǒng)的關(guān)鍵技術(shù)在于樁腿內(nèi)壁表面圖像的采集以及根據(jù)采集到的圖像查找缺陷。在缺陷檢測過程中，樁腿內(nèi)壁圖像處理要實時完成。為了提高系統(tǒng)的檢測速度，需要縮短缺陷檢測過程中的圖像處理和缺陷存儲等操作過程的耗時，也就是要簡化圖像處理的執(zhí)行過程。系統(tǒng)拍攝到的樁腿內(nèi)壁圖像的效果決定著圖像處理過程的復(fù)雜程度。一般地，采集的樁腿內(nèi)壁圖像需要考慮3種情況：①樁腿內(nèi)壁質(zhì)地不同，對光的反射程度也不同，造成拍攝到的圖像有很大差異；②隨著系統(tǒng)的使用時間的增長，CCD的感光度、光源亮度的變化造成拍攝到的圖像有差異；③隨著系統(tǒng)的使用時間的增長，相機鏡頭以及光源表面的塵土造成拍攝到的圖像有很大差異。

對于拍攝到的內(nèi)壁圖像來說，灰度的數(shù)值要穩(wěn)定在一定的范圍內(nèi)，不能有太大的波動，避免出現(xiàn)采集到的圖像過亮或者過暗從而影響缺陷檢測精度。在缺陷檢測之前，有2個方式可以用來保證在上述3種情況下能得到較理想的樁腿內(nèi)壁圖像效果：①對圖像進行預(yù)處理，通過灰度數(shù)值及其分布情況分辨出圖像拍攝的是否合理，對整幅圖像的灰度數(shù)值進行調(diào)整；②通過軟件自適應(yīng)地調(diào)整CCD攝像機的曝光時間，從而改變其拍攝到的樁腿鎳幣圖像的灰度值，使其便于進行缺陷檢測。

如果采用第1種方式，則在每1次檢測缺陷之前都要進行圖像預(yù)處理，這就增加了缺陷檢測過程中圖像處理的復(fù)雜度。因此，本系統(tǒng)采用第2種方式，如圖4所示。

圖4 曝光時間的自適應(yīng)調(diào)節(jié)

每采集1副圖像，根據(jù)式(1)對圖像質(zhì)量進行評估，然后發(fā)送信息至CCD攝像機，調(diào)整曝光時間，以獲得較好的圖像效果。

(1)

式中：N、NL、NH分別為灰度值在區(qū)間[GL,GH]、[0,GL]和[GH,255]的像素點總數(shù)NH。

隨后通過實驗尋找α1、α2、α3與灰度值變化的關(guān)系，從而確定圖像灰度值滿足測量要求時α1、α2、α3的條件。如果采集到的圖像灰度過高，則降低系統(tǒng)的曝光時間；如果灰度值不足，則提高系統(tǒng)的曝光時間，從而使采集到的樁腿內(nèi)壁圖像灰度值能夠控制在一個穩(wěn)定的范圍內(nèi)，便于后面對缺陷的查找。

3 圖像處理算法

為了可靠提取缺陷的外輪廓，需要避免光源光照不均勻使輪廓內(nèi)的部分灰度數(shù)值過低，造成輪廓不完整，擬定圖像預(yù)處理流程為采集圖像→高斯平滑→閉運算→自適應(yīng)閾值二值化→輪廓提取→輪廓點集輸出。

首先，利用高斯濾波器對圖像進行平滑處理；隨后，采用“先膨脹，后腐蝕”的閉運算填充端面內(nèi)灰度值小的空洞區(qū)域；之后，利用OTSU算法，自適應(yīng)閾值分割，完成圖像二值化；最后，利用Canny算子進行邊緣檢測[7-10]，獲得缺陷的外輪廓點集數(shù)據(jù)。

4 實驗與分析

系統(tǒng)中CCD攝像機選用型號為POINT GREY的BFLY-PGE-20E4M-CS工業(yè)相機，分辨率1 600× 1 200，像元尺寸4.5 μm × 4.5 μm，幀率47 幀/s。選用了8 mm鏡頭，光源則采用普通的白光LED陣列。對平臺樁腿同質(zhì)試件進行缺陷檢測的效果見圖5。

圖5 試件缺陷檢測效果

圖中試件缺陷為實驗前人工模擬，實驗過程中在模擬樁腿內(nèi)部黑暗環(huán)境下實施。實驗結(jié)果表明，所設(shè)計樁腿內(nèi)壁缺陷視覺檢測方案是可行的。

[1] 王宣銀，梁冬泰.基于多元圖像分析的表面缺陷檢測算法[J].浙江大學學報(工學版)，2010,44(3):448-452.

[2] 宋樂,林玉池,何冬,等.空心圓柱端面缺陷的快速視覺檢測[J].中國圖象圖形學報,2009,14(10):2137-2140.

[3] 蘇俊宏,劉勝利.圓柱型高精密零件表面缺陷檢測及形貌分析[J].激光與光電子學進展,2014,51:1-5.

[4] 李雪琴,蔣紅海,劉培勇,等.非下采樣Contourlet域自適應(yīng)閾值面的磁瓦表面缺陷檢測[J].計算機輔助設(shè)計與圖形學學報,2014,26(4):553-558.

[5] KIM Se-Yun, SONG Young-Chul, JUNG Chang-Do, et al. Effective defect detection in thin film transistor liquid crystal display images Using adaptive multi-level defect Detection and probability density function [J]. Optical review, 2011,18(2):191-196.

[6] LI Di, Liang Lie-quan,ZHANG Wu-jie. Defect inspection and extraction of the mobile phone cover glass based on the principal components analysis [J]. Int J adv manuf technol, 2014(73):1605-1614.

[7] 雒濤,鄭喜鳳,丁鐵夫.改進的自適應(yīng)閾值Canny邊緣檢測[J].光電工程,2009,36(11):106-111.

[8] 陳海峰,雷華,孔燕波,等.基于最小二乘法的改進的隨機橢圓檢測算法[J].浙江大學學報(工學版),2008,42(8):1360-1364.

[9] 郭萌,胡遼林,趙江濤.基于Kirsch和Canny算子的陶瓷碗表面缺陷檢測方法[J].光學學報,2016(9):19-25.

[10] 唐慶菊,劉俊巖,王揚,等.基于模糊C均值聚類和Canny算子的紅外圖像邊緣識別與缺陷定量檢測[J].紅外與激光工程,2016,45(9):274-278.

The Inside Walls Defects Itinerate Detection System of Platform Legs Based on the Visual Image Technology

MUSheng-jun

(OPSC Marginal Oilfield Operating Services Company, Tianjin 300457, China)

Based on vision measurement technology, an itinerate detection system for the inside walls defects of platform legs was developed. Using CCD camera and LED light source as the sensor, the system can achieve automatic detection of defects combined with the self-developed software. A novel exposure time adjusting method according to the image of platform legs inside walls was proposed. The image processing algorithm was studied to implement the extraction of the contour of defects. Experimental results showed that the system can realize detection for platform legs inside walls defects.

defect detection; vision measurement; image process; inside walls of platform legs

P754

A

1671-7953(2017)05-0156-03

10.3963/j.issn.1671-7953.2017.05.041

2017-07-12

修回日期：2017-08-21

穆勝軍(1973—)，男，學士，工程師

研究方向：邊際油田開發(fā)裝置生產(chǎn)管理