油管是石油开采过程中的重要设备之一,主要承担井下工具工作过程的载荷和采出液的输出工作。目前,国内大部分油田已开发到中后期,特别是从水驱到聚合物驱油方式的改变,油井结蜡、结垢问题十分严重,油管结垢将造成采出液流动截面变小,举升费用增加,甚至造成油管堵塞和卡泵等安全隐患。因此,对再役油管结垢的特征信息进行图像处理提取分析,对油管清洗性能进行合理评价,对提升采油井的检泵周期和油管清洗效率提高具有重要意义。本文以再役油管为研究对象,对油管壁面垢蚀图像进行采集,基于数字图像处理技术理论,确定了图像预处理、图像分割、形态学运算等处理方法,对垢蚀区域的数量、面积、周长等特征参数进行特征提取,并得到垢蚀图像的结垢率。应用三坐标测试技术对再役油管进行逆向建模,测量垢蚀区域的特征参数,与图像处理结果间的平均误差为8.64%,验证了图像处理技术在计算再役油管壁面垢蚀特征信息方向的可行性。基于统计学方法,进行垢蚀厚度与灰度分布范围系数、灰度极差、平均灰度值之间的典型相关性分析,建立各变量间的典型相关性方程,得出其最大典型相关系数为0.954。基于神经网络理论,搭建关于油管垢蚀厚度的BP神经网络预测模型,对油管内壁垢蚀最大厚度进行预测,预测值与实际值间的平均误差为7.8%,实现了对油管壁面垢蚀形貌几何特征的定量评估。结合再役油管清洗实验数据,采用神经网络的分析方法对垢蚀厚度的预测值来指导清洗作业参数的选取优化。提出一种基于图像处理技术的油管清洗性能评价和检测的方法,对清洗效果进行综合评价。