蘇君東 張保軍 王靜靜

摘要：石油管材螺紋檢測(cè)采用三角鐳射影像量測(cè)，透過(guò)CCD鏡頭取樣圖像進(jìn)行實(shí)驗(yàn)與探討，于影像量測(cè)部分，首要條件是分割出影像中選定區(qū)域（簡(jiǎn)稱ROI），采用形態(tài)學(xué)方式對(duì)影像進(jìn)行膨脹或侵蝕方式，達(dá)到過(guò)濾噪聲的效果，之后再用二值影像定位區(qū)域的磨損變形等狀況。

關(guān)鍵詞：石油管材;螺紋;鐳射;檢測(cè)研究

1整體架構(gòu)

系統(tǒng)架構(gòu)主要可區(qū)分為四個(gè)階段，分別為石油管材螺紋影像屏蔽生成階段、影像分割階段、單一螺牙影像量測(cè)階段、螺牙實(shí)際值換算階段[1]，基于以上四個(gè)階段的結(jié)果，本文系統(tǒng)主要有兩個(gè)不同的應(yīng)用，能夠?qū)Σ煌叽缏菁y鐳射影像進(jìn)行分割成為單一螺牙影像，而后再針對(duì)單一螺牙影像進(jìn)行量測(cè)。

2石油管材螺紋屏蔽影像生成

利用影像分割模型的相關(guān)以往研究[2]，雖然所使用的技術(shù)背景完整，但對(duì)于不同的資料，還是會(huì)有許多問(wèn)題需要克服，才能有良好的檢測(cè)成果，所以需要詳細(xì)從影像前處理至訓(xùn)練階段到測(cè)試階段，依序講解改進(jìn)之處與核心方法。將影像分割程序分為影像前處理、脫機(jī)訓(xùn)練和測(cè)試三個(gè)階段。

2.1影像前處理

使用的石油管材螺紋主要有牙峰間距2.0mm、1.5mm、1.25mm、1.0mm等多種不同規(guī)格石油管材螺紋，而螺紋影像分辨率為1600×1200像素，于訓(xùn)練前會(huì)先制作卷標(biāo)圖片，將螺紋影像及其卷標(biāo)圖片兩兩計(jì)為一組。全部數(shù)據(jù)集中包含訓(xùn)練數(shù)據(jù)共有17287組、驗(yàn)證數(shù)據(jù)2732組。

影像前處理程序有數(shù)據(jù)擴(kuò)增、影像縮放、影像歸一化，使用的數(shù)據(jù)擴(kuò)增方式主要有兩種：（1）隨機(jī)旋轉(zhuǎn)圖片，將選用5到10度內(nèi)的角度旋轉(zhuǎn)，因經(jīng)由所有訓(xùn)練數(shù)據(jù)觀察，整體數(shù)據(jù)若有角度變化皆在這個(gè)區(qū)間內(nèi)，（2）隨機(jī)改變圖片色相明亮度飽和度，改變色相為0.4到1.6的隨機(jī)倍率縮放;改變色相為0.4到1.6的隨機(jī)倍率縮放;改變飽和度為0.4到1.6的隨機(jī)倍率縮放，改變明亮度為0.9到1.1的隨機(jī)倍率縮放。

接著會(huì)進(jìn)行影像的縮放，縮放至模型窗口的輸入大小，采用的是雙線性插值法，將影像縮放至深度學(xué)習(xí)模型輸入大小，最后進(jìn)行影像歸一化，影像歸一化將會(huì)利于影像分割網(wǎng)絡(luò)的訓(xùn)練，而歸一化需要用到數(shù)據(jù)集的平均值與標(biāo)準(zhǔn)偏差，則是先行利用整個(gè)訓(xùn)練數(shù)據(jù)集進(jìn)行計(jì)算。

2.2訓(xùn)練影像分割模型

采用Enet分割網(wǎng)路架構(gòu)，而在訓(xùn)練過(guò)程中網(wǎng)路架構(gòu)超參數(shù)的設(shè)計(jì)會(huì)直接影響最后訓(xùn)練的成果[3]，采用交叉熵函數(shù)做為訓(xùn)練用的損失函數(shù)，優(yōu)化器采用加入動(dòng)量的SGD優(yōu)化器，動(dòng)量超參數(shù)設(shè)定為0.9;而學(xué)習(xí)率的超參數(shù)，選擇使用周期性學(xué)習(xí)率，初始設(shè)定為0.001，而周期性學(xué)習(xí)率會(huì)隨著訓(xùn)練周期而下降至0.000001，使得整體學(xué)習(xí)曲線平滑，且能增加收斂速度，而批次量與最高迭代次數(shù)，則會(huì)受限于硬件，則分別設(shè)定為12組數(shù)據(jù)與20次。

研究采用k折交叉驗(yàn)證，選用k值為5，于是將數(shù)據(jù)集分為5組，當(dāng)用其中一組驗(yàn)證時(shí)采用其余4組進(jìn)行訓(xùn)練，經(jīng)由交叉驗(yàn)證能使確保我們訓(xùn)練出穩(wěn)定的模型。

然而模型在經(jīng)由第一次訓(xùn)練后，其檢測(cè)結(jié)果不盡理想，經(jīng)過(guò)分析后發(fā)現(xiàn)是標(biāo)記的二值化圖片中的目標(biāo)白色區(qū)域占圖片比例過(guò)少，造成整體訓(xùn)練用的標(biāo)記影像前景與背景樣本是不均勻的，所以需要修改損失的函數(shù)，使得在計(jì)算目標(biāo)白色區(qū)域的損失時(shí)經(jīng)過(guò)加權(quán)，會(huì)促使模型更加注重目標(biāo)區(qū)域的分割，藉此方式提升分割準(zhǔn)確度。

經(jīng)過(guò)修改損失函數(shù)后，由表1可看到誤差下降了許多，在鐳射區(qū)塊的定位上更加準(zhǔn)確，在修改損失函數(shù)前雖然鐳射區(qū)塊的大小正確，但位置不夠準(zhǔn)確，單一螺牙目標(biāo)分割可能沒(méi)有太大差異，在多目標(biāo)的鐳射區(qū)塊分割上，分割準(zhǔn)確率明顯的提升，結(jié)果圖片右下角有些微錯(cuò)誤分割的情況，但我們能透過(guò)影像分割程序來(lái)過(guò)濾多余分割的部分，進(jìn)而得到分割定位準(zhǔn)的單一螺牙圖片。

2.3 剪枝影像分割模型

用Enet作為影像分割模型，雖然其性能優(yōu)異，但影像分割模型參數(shù)量較多，以類(lèi)神經(jīng)算法的角度而言則是神經(jīng)元數(shù)量較多[3]，但并非每個(gè)神經(jīng)元皆能夠?qū)敵鼋Y(jié)果產(chǎn)生影響，將深度壓縮的概念應(yīng)用于系統(tǒng)中，來(lái)刪減過(guò)多的神經(jīng)元，在不影響類(lèi)神經(jīng)網(wǎng)絡(luò)精確度的條件下，進(jìn)行模型剪枝，提升整體運(yùn)行速度。Enet整體架構(gòu)，可以得知瓶頸模塊為Enet最主體架構(gòu)且使用頻率最高，所以對(duì)瓶頸模塊的部分進(jìn)行模型刪減，但并不會(huì)刪減瓶頸模塊的層數(shù)，因?qū)嶒?yàn)發(fā)現(xiàn)若刪減瓶頸模塊的層數(shù)將會(huì)影響模型分割的精確度。然而選擇刪減瓶頸模塊的信道數(shù)量，將瓶頸模塊的信道數(shù)量刪減，表2將會(huì)展示參數(shù)數(shù)量的刪減數(shù)量。

從表2中可以看出我們約刪除原Enet模型中37%、65%、83%、90%的參數(shù)量產(chǎn)生多種不同剪枝模型，這將會(huì)使得整體系統(tǒng)運(yùn)行更快，且可以利用更少的儲(chǔ)存空間運(yùn)行系統(tǒng)，但也會(huì)造成影像分割準(zhǔn)確率下降，因此必須經(jīng)由實(shí)驗(yàn)選擇出速度與分割準(zhǔn)確率中優(yōu)化的結(jié)果。

3 影像分割處理程序

在藉由分割模型獲得螺紋屏蔽影像，我們需要利用此屏蔽來(lái)獲得單一螺牙影像的位置，藉由此坐標(biāo)位置去分割原始影像及分割屏蔽影像，以供之后單一螺牙影像量測(cè)程序使用[3]。整體影像分割處理程序，首先將屏蔽影像進(jìn)行連通區(qū)域標(biāo)記，接著計(jì)算出各個(gè)標(biāo)記所占的面積，將面積過(guò)小的標(biāo)記刪除，即可保留含有螺牙位置的標(biāo)記，再將剩余的標(biāo)記進(jìn)行坐標(biāo)計(jì)算，接著系統(tǒng)會(huì)判斷坐標(biāo)的組數(shù)，若為多個(gè)坐標(biāo)需要進(jìn)行排序，接著利用排序過(guò)的坐標(biāo)，來(lái)分割原圖與屏蔽圖，最終輸出兩者合并的結(jié)果。

3.1 過(guò)濾多余噪聲

在圖像處理問(wèn)題中，倘若主要對(duì)象是同一區(qū)域，則可利用連通區(qū)域標(biāo)記，將各個(gè)區(qū)域進(jìn)行標(biāo)記并統(tǒng)計(jì)該區(qū)域的面積大小，再利用面積大小將主要對(duì)象篩選。

對(duì)螺紋屏蔽影像而言，因我們主對(duì)象為螺牙區(qū)塊，若為單個(gè)螺牙，該區(qū)域面積會(huì)是各個(gè)區(qū)域面積中最大的，因此我們可利用連通區(qū)域標(biāo)記方法，將外圍的噪聲消除。

3.2 螺牙坐標(biāo)計(jì)算

過(guò)濾多余噪聲后的連通區(qū)域標(biāo)記圖，我們會(huì)對(duì)此圖進(jìn)行搜索，找尋螺牙的坐標(biāo)位置，因?yàn)槭茄鲑嚽熬斑M(jìn)行搜索，所以將搜索的分割結(jié)果與原圖分割結(jié)果相對(duì)應(yīng)，然而經(jīng)實(shí)驗(yàn)過(guò)后，我們發(fā)現(xiàn)原圖分割結(jié)果的信息稍嫌不夠，影響了最終的量測(cè)結(jié)果，經(jīng)過(guò)分析后得知原圖中尚有些圖片信息被分割掉，出螺牙中牙峰牙底的相對(duì)位置，若是我們將此信息也納入考慮，將有助于我們提升量測(cè)準(zhǔn)確度。

為了將螺牙相對(duì)位置信息納入考慮，我們將原始的坐標(biāo)向外擴(kuò)張由原本的位置加上自定義的擴(kuò)張值來(lái)取得新的影像分割坐標(biāo)，藉此獲得更多背景信息，但自定義的擴(kuò)張值也不能過(guò)多，因增加擴(kuò)張值也等同加入了許多噪聲，且做完擴(kuò)張后會(huì)檢查坐標(biāo)是否超出原圖，若超出原圖則會(huì)對(duì)坐標(biāo)進(jìn)行二次修正，將超出邊界的坐標(biāo)修正至原圖邊界上，若在邊界值超出范圍則取邊界值為新的坐標(biāo)值。

3.3 螺牙排序

使用連通區(qū)域標(biāo)記進(jìn)行搜索，依照卷標(biāo)去獲得的最大面積的螺牙位置坐標(biāo)，所獲得的多個(gè)螺牙坐標(biāo)可能是亂序的，因此我們需要將螺牙坐標(biāo)進(jìn)行排序進(jìn)行量測(cè)，因?yàn)榇藢?shí)驗(yàn)所用到螺紋鐳射影像，因三角量測(cè)的關(guān)系，會(huì)呈現(xiàn)一定角度傾斜，也造成了螺牙是傾斜排列的，因此我們可以利用影像分割坐標(biāo)中左上角的點(diǎn)與原點(diǎn)距離，即能進(jìn)行排序，（x2，y2）坐標(biāo)相較于（x1，y1）坐標(biāo)離原點(diǎn)距離更遠(yuǎn)，因此我們排序?qū)儆冢▁1，y1）坐標(biāo)組的為1號(hào)螺牙;屬于（x2，y2）坐標(biāo)組的為2號(hào)螺牙，之后就能依照此順序作為量測(cè)的順序，即不會(huì)產(chǎn)生量測(cè)順序錯(cuò)亂的問(wèn)題。

4 總結(jié)

通過(guò)影像回歸模型的相關(guān)背景知識(shí)的運(yùn)用所使用的技術(shù)背景完整，但對(duì)于不同的資料，還是會(huì)有許多問(wèn)題需要克服，才能有良好的檢測(cè)成果，所以從影像前處理至訓(xùn)練階段到測(cè)試階段，依序講解改進(jìn)之處與核心方法。單一螺牙影像回歸程序分為影像前處理、脫機(jī)訓(xùn)練和測(cè)試三個(gè)階段，先透過(guò)影像前處理將影像擴(kuò)增和處理，再透過(guò)脫機(jī)訓(xùn)練建構(gòu)影像分割模型，再使用深度壓縮、整體學(xué)習(xí)技術(shù)，整并出最好的模型，最后進(jìn)入測(cè)試階段，要和訓(xùn)練階段一樣，將檢測(cè)影像縮放至與訓(xùn)練模型窗口的大小相同并歸一化，最終會(huì)輸出螺牙坐標(biāo)預(yù)測(cè)，以供螺牙實(shí)際值計(jì)算階段使用。

參考文獻(xiàn)：

[1]王瓊，趙世龍，孟昭.石油管材連接螺紋的無(wú)污染零排放表面處理研究[J].鋼管，2019（3）：63-67.

[2]劉慶.石油套管質(zhì)量控制要點(diǎn)淺析[J].中國(guó)設(shè)備工程，2017（9）：34-36.

[3]閆凱，楊生斌，楊紅兵，等.煤層氣開(kāi)發(fā)用加厚油管螺紋接頭損傷失效分析[J].理化檢驗(yàn)-物理分冊(cè)，2017（4）：280-283.