基于視覺圖像技術的海洋平臺樁腿內壁缺陷巡回檢測系統開發

(中海油能源發展采油服務公司,天津 300457)

基于視覺圖像技術的海洋平臺樁腿內壁缺陷巡回檢測系統開發

穆勝軍

(中海油能源發展采油服務公司,天津 300457)

針對海洋樁腿內壁缺陷檢測需求,提出根據拍攝到的樁腿內壁圖像自適應調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據,利用CCD攝像機和普通LED光源形成傳感器，結合應用軟件，實現缺陷的自動檢測,實驗結果表明，該系統能夠實現黑暗環境下樁腿內壁缺陷的檢測。

缺陷檢測；視覺測量；圖像處理；樁腿內壁

實際應用中，受海水浸蝕、碰撞、偏載等因素的影響，樁腿會出現銹蝕、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的安全。目前，樁腿缺陷與隱患的檢測主要分現場檢測和在塢檢修。現場檢測主要靠觀察的辦法，該方法通常伴隨著高空作業，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，開發一種樁腿缺陷的實時檢測系統非常必要。國內外針對海洋平臺結構的實時監測包括對結構裂紋、應力、變形等方面的監測。主要是通過在關鍵點布置傳感器的方法進行結構損傷監測，其監測的靈活性及全面性不足。且相關研究主要集中于平臺主體結構，而對于平臺關鍵基礎部件樁腿機構的監測相對較少。為此,考慮以機器人為載體，搭載視覺檢測系統[1-6]的方法對樁腿內壁表面缺陷進行檢測。

1 系統組成

以某自升式海上平臺的樁腿為應用對象。設計以機器人為載體的樁腿內壁缺陷視覺檢測系統。該樁腿內部結構如圖1所示。

圖1 樁腿內部結構

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

圖2 機器人搭載CCD攝像機

圖中機器人可在樁腿內壁自動爬行，并能夠實時檢測爬行中的障礙(“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部結構特點，通過在機器人本體上搭載多個CCD攝像機及光源，實現樁腿內壁360°全景拍攝，進而檢測樁腿內壁外觀裂紋、銹蝕、變形等缺陷。所設計視覺檢測系統原理見圖3。

圖3 視覺檢測系統原理示意

視覺檢測系統主要由硬件系統和軟件系統組成。硬件系統主要由CCD攝像機、普通LED光源、計算機、PLC和機械執行機構等組成。其具體功能為：LED光源將樁腿內壁照亮，CCD攝像機采集樁腿內壁圖像，并將采集到的圖像傳入計算機；計算機根據自主開發的軟件進行缺陷檢測和判定，并向PLC發送控制指令，操控機器人完成相應動作。軟件系統功能：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 曝光時間自適應調節

系統的關鍵技術在于樁腿內壁表面圖像的采集以及根據采集到的圖像查找缺陷。在缺陷檢測過程中，樁腿內壁圖像處理要實時完成。為了提高系統的檢測速度，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行過程。系統拍攝到的樁腿內壁圖像的效果決定著圖像處理過程的復雜程度。一般地，采集的樁腿內壁圖像需要考慮3種情況：①樁腿內壁質地不同，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。

對于拍攝到的內壁圖像來說，灰度的數值要穩定在一定的范圍內，不能有太大的波動，避免出現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壁圖像效果：①對圖像進行預處理，通過灰度數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值進行調整；②通過軟件自適應地調整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處理，這就增加了缺陷檢測過程中圖像處理的復雜度。因此，本系統采用第2種方式，如圖4所示。

圖4 曝光時間的自適應調節

每采集1副圖像，根據式(1)對圖像質量進行評估，然后發送信息至CCD攝像機，調整曝光時間，以獲得較好的圖像效果。

(1)

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

隨后通過實驗尋找α1、α2、α3與灰度值變化的關系，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，則降低系統的曝光時間；如果灰度值不足，則提高系統的曝光時間，從而使采集到的樁腿內壁圖像灰度值能夠控制在一個穩定的范圍內，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的部分灰度數值過低，造成輪廓不完整，擬定圖像預處理流程為采集圖像→高斯平滑→閉運算→自適應閾值二值化→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灰度值小的空洞區域；之后，利用OTSU算法，自適應閾值分割，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據。

4 實驗與分析

系統中CCD攝像機選用型號為POINT GREY的BFLY-PGE-20E4M-CS工業相機，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部黑暗環境下實施。實驗結果表明，所設計樁腿內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域自適應閾值面的磁瓦表面缺陷檢測[J].計算機輔助設計與圖形學學報,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：邊際油田開發裝置生產管理