摘要：油气长输管道环焊缝处缺陷对管道安全的危害性巨大,管道缺陷造成的事故大部分发生在管道焊接处。目前,对管道进行无损检测（NTD）是预测事故隐患、保证管道安全运行的常用手段,但传统无损检测方法无法有效识别位于环焊缝处等表面形貌复杂位置的缺陷。为了克服传统检测方法的缺点,提出一种基于图像处理和神经网络的嵌入式涡流检测系统。从涡流信号合成的二维阻抗图入手,对其进行霍夫变换和轮廓提取得到特征分量,使用类内散布矩阵筛选分类特性好的特征用以训练基于FPGA加速的神经网络,实现在焊缝基底噪声较大的情况下对缺陷的自动分类与识别。实验结果表明,本系统可以有效识别位于环焊缝处等形貌复杂位置的缺陷信号,正确率可达92%,且系统体积小、功耗低,适合应用于管道内检测环境。

关键词：管道内表面 环焊缝缺陷 涡流无损检测 图像处理 神经网络 

单位：天津大学精密测试技术及仪器国家重点实验室; 天津300072; 中国石油管道科技研究中心中国石油天然气集团公司油气储运重点实验室; 廊坊065000