matlab的管道内壁图像质量识别【字数：9949】
摘 要石油产业是我国的重要产业，石油的运输方式主要是管道运输，为了保障安全，对于管道内壁的质量就有很高的要求，而管道内壁主要在焊缝这一块是质量问题的关键。我国国内目前对于检测管道内壁焊缝表面质量的智能化设备还没有相关研究，以往都是工作人员拿着照明设备进入管道内部进行人工肉眼识别，具有识别精度不高、威胁人生安全等缺点，针对这一局限性本文进行了一系列研究，主要研究内容如下本文分析了管道内壁质量图像识别技术的研究现状。对图像识别中的专业技术进行了总结，包括图象分割技术、图像特征提取、分类和图像的匹配,标明了图像识别技术中的算法和技术。最后阐述了检测管道内壁图像质量作业的流程和实物图。本文利用实际生产中收集的1000张管道内壁样片来进行标定，通过深度学习算法学习图片特征，利用KNN算法进行缺陷图片的分类继而形成不同的判定类别，深度学习之后用原有的1000张样片进行实验，确保精确度达到预期结果。所有的准备工作结束之后用全新图片进行测试以检测程序的可用性。
目录
第一章 系统开发对社会的影响 1
第二章 绪论 2
2.1研究背景及意义 2
2.2研究现状 2
第三章 开发环境与技术 4
3.1系统开发环境 4
3.1.1 开发环境简介 4
3.1.2 配置开发环境 4
3.2关键技术简介 5
3.2.1 图像识别技术 5
3.2.2 图像分割技术 5
3.2.3 焊缝质量评价技术 5
第四章 管道内壁质量检测系统 7
第五章 设计流程和相关算法 9
5.1获取图像样本 9
5.2深度学习算法 9
5.2.1训练模型 10
5.3测试数据 12
5.4 KNN算法 14
5.4.1 KNN算法的优缺点 14
5.4.2 KNN代码实现 14
5.4.3 Matlab中KNN算法的实现 16
5.4.4算法流程 16
第六章 焊缝图像质量分析 18
6.1焊缝质量等级 18
6.2管道内壁图像原图 18< *好棒文|www.hbsrm.com +Q: ￥351916072$
br /> 6.3管道内壁图像分析 19
6.3.1图像灰度图 19
6.3.2傅立叶谱图 20
6.3.3管道图像分割 21
6.4 基于MATLAB的图像分析操作界面 24
6.5输出结果 26
总结 29
参考文献 30
致 谢 31
系统开发对社会的影响
2019年2月28日，美国联邦贸易委员会（FTC）发布了一项重要裁决，国际版抖音因违反美国《儿童隐私法》，将被处以570万美元的罚款，并将影响该应用在13岁以下儿童中的使用方式。此事例说明，任何一个系统的开发，从不同的层面都会对社会带来一定的影响，如何把不利的影响降到最低在系统开发的过程中也至关重要。
我国目前的石油运输方式主要是管道运输，焊缝的质量检测主要是人工作业，这会威胁到工作人员的人生安全，其次人工作业的精度远远不如智能化设备，这就促进了本系统的开发。本系统的开发，在安全方面，减少了人工作业，保障了员工的生命安全，与此同时，在就业层面或多或少会带来一些影响，随着智能化机器人的问世，越来越多被智能化设备替代的人即将面临着失业，本来人工检测焊缝质量的检测员在本系统问世后很有可能失去工作没有收入。在经济层面，识别效率大大增加，识别精确度也得到了提升，而且节省了许多时间和人力，会促进经济的增长。
第二章 绪论
2.1研究背景及意义
我国国土面积庞大，管道布满整个国家。可以说，管道就是国家的经脉。我国有非常多的管道种类，如石油管道，天然气管道，水管道等等。这些传统的管道经过多年的使用，会出现老化、破损等质量问题。如果不能解决这些问题，会对我国经济会造成严重的损失。
进入新时代，我国不论是经济还是科学方面都有了卓越的进步，我国人民的生活水平也在逐渐提高，工业也随之发展迅速。在现代工业中，随着计算机行业发展的突飞猛进，越来越多的计算机技术被应用到工业生产当中，这无疑给工程人员带来了极大的方便。图像识别在工业发展中一直是不可获取的一部分。其中图像识别技术更成为工业发展不可或缺的一部分。在本系统开发出来之前，国内目前还没有管道内壁焊缝表面质量的智能检测系统，都是人工用光照设备进入管道进行人工肉眼识别，存在一定的局限性和精确度不高的缺点，并且管道内部作业存在一定的安全隐患，无法切实保障作业人员的人工安全。管道检测机器人可以更加准确地检测出管道内壁焊缝表面存在的隐患，保证管道的质量，对安全生产有着重要意义。
2.2研究现状
1970年左右，因为大量的自然资源需要通过管道进行运输，管道也需要日常维护，正是因为这些，所以人们开始研究管道机器人。法国人最早开始了对管道机器人的研究，他们在二十世纪七十年代末提出了轮腿式的管内行走机构模型IPRVO。到八十年代，日本冈田德次、福田镜二等人在美、法等一些发达国家研究的基础上，利用先进的技术，制造了多种结构的管内机器人。我国对管道机器人的研究起步比较晚，只有大约二十年的历史，只有一些顶级大学例如哈工大、清华、浙大、上交等名校和一些研究院等单位对管道机器人进行了研究。对于管道机器人的研究，以前对多轮支撑结构的研究较多，才研究传统轮式移动机器人直接用在圆形管道的检测和维护。人们在研究管道机器人的时候，主要是从结构上着手，比方使用差速器和柔性连接等方面解决问题，这样会让增加大量成本，同时结构也更复杂。
先是对文字的识别，然后数字图像处理和识别，最后是物体识别，这是图像识别目前经历过的三个阶段。在二十世纪五十年代，人们开始了对文字识别的研究，此时研究的是识别一些字母、数字等等，从一开始的印刷文字识别到后来的手写文字识别，它被广泛使用。在二十世纪六十年代中期，人们开始对数字图像开始研究。相比较模拟图像，数字图像它可以进行存储，并且传输非常方便且不容易失真等优点，正是因为这些优点推动图像识别技术的发展。对物体的识别是说，能够感知三维世界的客观物体和环境，这种属于高级的计算机视觉范畴。以数字图像处理为基础，再结合人工智能，它的成果已经被广泛应用了，许多探测机器人使用了这种技术。当今使用二图像识别技术它的缺点很明显，自适应性能非常差，如果目标被一些例如噪声污染或者图像残缺很大，那么得到的结果就会很不理想。
模式空间到类别空间的映射是图像识别的数学本质。把图像进行分割是图像处理的一个核心技术，它的研究从1970年左右，它已经研究了几十年了，一直都是人们高度重视的东西，到现在已经提出了上千种分割算法，对于这方面的研究人们一直在进行。
如今的有大量的图像分割法，比如边缘检测法、区域提取法、阈值分割法等等。最早在二十世纪六十年代中期就开始有人提出检测边缘算法，所以有很多非常经典的算法都是基于边缘检测的。在最近的一段时间，因为VLSI技术的发展和基于直方图和小波变化的图像分割法的技术，关于图像处理的研究取得了非凡的突破。
目录
第一章 系统开发对社会的影响 1
第二章 绪论 2
2.1研究背景及意义 2
2.2研究现状 2
第三章 开发环境与技术 4
3.1系统开发环境 4
3.1.1 开发环境简介 4
3.1.2 配置开发环境 4
3.2关键技术简介 5
3.2.1 图像识别技术 5
3.2.2 图像分割技术 5
3.2.3 焊缝质量评价技术 5
第四章 管道内壁质量检测系统 7
第五章 设计流程和相关算法 9
5.1获取图像样本 9
5.2深度学习算法 9
5.2.1训练模型 10
5.3测试数据 12
5.4 KNN算法 14
5.4.1 KNN算法的优缺点 14
5.4.2 KNN代码实现 14
5.4.3 Matlab中KNN算法的实现 16
5.4.4算法流程 16
第六章 焊缝图像质量分析 18
6.1焊缝质量等级 18
6.2管道内壁图像原图 18< *好棒文|www.hbsrm.com +Q: ￥351916072$
br /> 6.3管道内壁图像分析 19
6.3.1图像灰度图 19
6.3.2傅立叶谱图 20
6.3.3管道图像分割 21
6.4 基于MATLAB的图像分析操作界面 24
6.5输出结果 26
总结 29
参考文献 30
致 谢 31
系统开发对社会的影响
2019年2月28日，美国联邦贸易委员会（FTC）发布了一项重要裁决，国际版抖音因违反美国《儿童隐私法》，将被处以570万美元的罚款，并将影响该应用在13岁以下儿童中的使用方式。此事例说明，任何一个系统的开发，从不同的层面都会对社会带来一定的影响，如何把不利的影响降到最低在系统开发的过程中也至关重要。
我国目前的石油运输方式主要是管道运输，焊缝的质量检测主要是人工作业，这会威胁到工作人员的人生安全，其次人工作业的精度远远不如智能化设备，这就促进了本系统的开发。本系统的开发，在安全方面，减少了人工作业，保障了员工的生命安全，与此同时，在就业层面或多或少会带来一些影响，随着智能化机器人的问世，越来越多被智能化设备替代的人即将面临着失业，本来人工检测焊缝质量的检测员在本系统问世后很有可能失去工作没有收入。在经济层面，识别效率大大增加，识别精确度也得到了提升，而且节省了许多时间和人力，会促进经济的增长。
第二章 绪论
2.1研究背景及意义
我国国土面积庞大，管道布满整个国家。可以说，管道就是国家的经脉。我国有非常多的管道种类，如石油管道，天然气管道，水管道等等。这些传统的管道经过多年的使用，会出现老化、破损等质量问题。如果不能解决这些问题，会对我国经济会造成严重的损失。
进入新时代，我国不论是经济还是科学方面都有了卓越的进步，我国人民的生活水平也在逐渐提高，工业也随之发展迅速。在现代工业中，随着计算机行业发展的突飞猛进，越来越多的计算机技术被应用到工业生产当中，这无疑给工程人员带来了极大的方便。图像识别在工业发展中一直是不可获取的一部分。其中图像识别技术更成为工业发展不可或缺的一部分。在本系统开发出来之前，国内目前还没有管道内壁焊缝表面质量的智能检测系统，都是人工用光照设备进入管道进行人工肉眼识别，存在一定的局限性和精确度不高的缺点，并且管道内部作业存在一定的安全隐患，无法切实保障作业人员的人工安全。管道检测机器人可以更加准确地检测出管道内壁焊缝表面存在的隐患，保证管道的质量，对安全生产有着重要意义。
2.2研究现状
1970年左右，因为大量的自然资源需要通过管道进行运输，管道也需要日常维护，正是因为这些，所以人们开始研究管道机器人。法国人最早开始了对管道机器人的研究，他们在二十世纪七十年代末提出了轮腿式的管内行走机构模型IPRVO。到八十年代，日本冈田德次、福田镜二等人在美、法等一些发达国家研究的基础上，利用先进的技术，制造了多种结构的管内机器人。我国对管道机器人的研究起步比较晚，只有大约二十年的历史，只有一些顶级大学例如哈工大、清华、浙大、上交等名校和一些研究院等单位对管道机器人进行了研究。对于管道机器人的研究，以前对多轮支撑结构的研究较多，才研究传统轮式移动机器人直接用在圆形管道的检测和维护。人们在研究管道机器人的时候，主要是从结构上着手，比方使用差速器和柔性连接等方面解决问题，这样会让增加大量成本，同时结构也更复杂。
先是对文字的识别，然后数字图像处理和识别，最后是物体识别，这是图像识别目前经历过的三个阶段。在二十世纪五十年代，人们开始了对文字识别的研究，此时研究的是识别一些字母、数字等等，从一开始的印刷文字识别到后来的手写文字识别，它被广泛使用。在二十世纪六十年代中期，人们开始对数字图像开始研究。相比较模拟图像，数字图像它可以进行存储，并且传输非常方便且不容易失真等优点，正是因为这些优点推动图像识别技术的发展。对物体的识别是说，能够感知三维世界的客观物体和环境，这种属于高级的计算机视觉范畴。以数字图像处理为基础，再结合人工智能，它的成果已经被广泛应用了，许多探测机器人使用了这种技术。当今使用二图像识别技术它的缺点很明显，自适应性能非常差，如果目标被一些例如噪声污染或者图像残缺很大，那么得到的结果就会很不理想。
模式空间到类别空间的映射是图像识别的数学本质。把图像进行分割是图像处理的一个核心技术，它的研究从1970年左右，它已经研究了几十年了，一直都是人们高度重视的东西，到现在已经提出了上千种分割算法，对于这方面的研究人们一直在进行。
如今的有大量的图像分割法，比如边缘检测法、区域提取法、阈值分割法等等。最早在二十世纪六十年代中期就开始有人提出检测边缘算法，所以有很多非常经典的算法都是基于边缘检测的。在最近的一段时间，因为VLSI技术的发展和基于直方图和小波变化的图像分割法的技术，关于图像处理的研究取得了非凡的突破。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wlw/209.html
