论文部分内容阅读
在一般工业、军事装备、核设施、石油天然气等领域中,管道作为常用的物料输送装置得到了十分广泛的应用。管道检测机器人在管道日常的检测维护中承担着重要的作用,其中无缆管道检测机器人有着传输距离远、使用方便等优势,拥有很广阔的应用前景。本文对无缆管道检测机器人控制系统的硬件电路和软件系统进行了研究,实验表明该控制系统性能稳定。针对采集到的管道缺陷图片,综合集成出了一套基于数字图像处理技术的管道缺陷自动检测与分类算法方案,实验表明该方案具有自动化程度高、通用性强、准确率高的特点。本文的主要工作内容如下:1、设计了无缆管道检测机器人的无线数据传输方案,采用单芯片无线收发器nRF24L01进行上、下位机控制指令和传感器信息的传输,采用WIFI技术来进行视频信息的无线传输。对无缆管道检测机器人的硬件电路系统进行了设计,包括主控芯片STM32F103ZET6及最小系统,相关外围电路及传感器模块。2、设计了无缆管道检测机器人控制系统软件。采用C#语言编写上位机软件,用以进行图像的显示、机器人运动的控制、传感器信息处理等。下位机中移植了?cos II操作系统,方便进行多任务的实时调度。在此基础上分别对无线通信程序、姿态传感器程序、湿温度传感器程序、电机及舵机控制程序、上下位机通信协议进行了设计。实验结果表明,该控制系统无线数据传输方案可行。3、综合集成出了一套基于数字图像处理技术的管道缺陷自动检测与分类算法方案,首先使用图像增强、图像分割、数学形态学、边界跟踪以及图像细化对图像进行预处理,在提取出缺陷区域的尺寸、形状和纹理特征后,选择圆形度、凸度、离心率、熵、相关性和聚集度作为模式识别的特征向量,最后综合使用基于粒子群优化的K-means聚类分析和统计模式识别分类器以及基于神经网络的分类器进行分类。使用文中的图像预处理算法可以成功的将管道缺陷提取出来,达到管道缺陷自动检测的目的。基于粒子群优化的K-means聚类分析成功的将管道缺陷图像归为裂纹缺陷、管接头缺陷和孔形腐蚀三类,相比于传统K-means算法,聚类准确率分别提高9%、16.7%、12.5%。综合使用基于粒子群优化的K-means聚类分析和统计学分类器以及神经网络分类器对管道缺陷进行分类,并对分类器分类效果进行了对比分析。