碳纤维抽油杆的在线缺陷检测系统及方法与流程

本公开涉及抽油杆检测领域，具体涉及一种碳纤维抽油杆的在线缺陷检测系统及方法。

背景技术：

1、随着石油工业的快速发展，抽油杆作为油田开采中的关键部件，其性能和可靠性直接影响到采油效率和油田的经济效益。碳纤维抽油杆是一种采用碳纤维增强复合材料制成的抽油杆。与传统的钢制抽油杆相比，碳纤维材料具有很高的强度和刚度，同时具有重量轻的优点，这使得碳纤维抽油杆在相同强度下可以更轻，从而减轻抽油机的负载。

2、然而，抽油杆在长期的使用过程中，由于受到腐蚀、磨损和机械应力等因素的影响，容易产生各种缺陷，如微裂纹、孔洞、纤维断裂等。这些缺陷不仅会降低抽油杆的使用寿命，还可能导致严重的安全事故，因此对其进行有效的在线检测和评估具有重要的实际意义。

3、传统的抽油杆检测需要专业的技术人员来进行，可能无法实现实时监控，导致无法及时发现并处理问题，增加了生产风险。因此，期待一种碳纤维抽油杆的在线缺陷检测系统及方法。

技术实现思路

1、考虑到以上问题而做出了本公开。本公开的一个目的是提供一种碳纤维抽油杆的在线缺陷检测系统及方法。

2、本公开的实施例提供了一种碳纤维抽油杆的在线缺陷检测方法，其包括：获取待检测碳纤维抽油杆的截面金相显微图像；对所述截面金相显微图像进行多尺度图像特征提取以得到碳纤维抽油杆截面金相显微浅层特征图和碳纤维抽油杆截面金相显微语义特征图；将所述碳纤维抽油杆截面金相显微语义特征图输入基于门控机制的类别导向增强注意力自适应分配网络以得到碳纤维抽油杆截面金相显微增强语义特征图；将所述碳纤维抽油杆截面金相显微浅层特征图和所述碳纤维抽油杆截面金相显微增强语义特征图进行特征集成以得到碳纤维抽油杆截面金相纤维多尺度融合表示图；基于所述碳纤维抽油杆截面金相纤维多尺度融合表示图，确定所述待检测碳纤维抽油杆的检测结果。

3、例如，根据本公开的实施例的碳纤维抽油杆的在线缺陷检测方法，其中，对所述截面金相显微图像进行多尺度图像特征提取以得到碳纤维抽油杆截面金相显微浅层特征图和碳纤维抽油杆截面金相显微语义特征图，包括：将所述待检测碳纤维抽油杆的截面金相显微图像输入基于空洞金字塔网络的碳纤维抽油杆截面金相显微图像特征提取器以得到所述碳纤维抽油杆截面金相显微浅层特征图和所述碳纤维抽油杆截面金相显微语义特征图。

4、例如，根据本公开的实施例的碳纤维抽油杆的在线缺陷检测方法，其中，将所述碳纤维抽油杆截面金相显微语义特征图输入基于门控机制的类别导向增强注意力自适应分配网络以得到碳纤维抽油杆截面金相显微增强语义特征图，包括：对所述碳纤维抽油杆截面金相显微语义特征图进行基于最大值的全局池化处理、基于随机值的全局池化处理和基于平均值的全局池化处理以得到截面金相显微语义全局最大值池化特征向量、截面金相显微语义全局均值池化特征向量和截面金相显微语义全局随机值池化特征向量；融合所述截面金相显微语义全局最大值池化特征向量、所述截面金相显微语义全局均值池化特征向量和所述截面金相显微语义全局随机值池化特征向量以得到截面金相显微全局语义多尺度表示向量；对所述截面金相显微全局语义多尺度表示向量进行逐通道语义特征交互和特征激活以得到截面金相显微通道语义关联特征向量；将所述截面金相显微通道语义关联特征向量输入门控单元以得到门控筛选截面金相显微通道语义关联特征向量；对所述门控筛选截面金相显微通道语义关联特征向量进行归一化处理以得到门控筛选截面金相显微通道语义关联权重特征向量；以所述门控筛选截面金相显微通道语义关联权重特征向量作为权重特征向量，计算其与所述碳纤维抽油杆截面金相显微语义特征图的逐通道点乘以得到所述碳纤维抽油杆截面金相显微增强语义特征图。

5、例如，根据本公开的实施例的碳纤维抽油杆的在线缺陷检测方法，其中，融合所述截面金相显微语义全局最大值池化特征向量、所述截面金相显微语义全局均值池化特征向量和所述截面金相显微语义全局随机值池化特征向量以得到截面金相显微全局语义多尺度表示向量，包括：确定第一语义池化融合权重、第二语义池化融合权重和第三语义池化融合权重；计算所述第一语义池化融合权重和所述截面金相显微语义全局均值池化特征向量之点乘、所述第二语义池化融合权重和所述截面金相显微语义全局最大值池化特征向量之点乘与所述第三语义池化融合权重和所述截面金相显微语义全局随机值池化特征向量之点乘的按位置逐元素相加以得到所述截面金相显微全局语义多尺度表示向量。

6、例如，根据本公开的实施例的碳纤维抽油杆的在线缺陷检测方法，其中，对所述截面金相显微全局语义多尺度表示向量进行逐通道语义特征交互和特征激活以得到截面金相显微通道语义关联特征向量，包括：将所述截面金相显微全局语义多尺度表示向量通过全连接层以对所述截面金相显微全局语义多尺度表示向量进行逐通道语义特征交互和特征激活以得到所述截面金相显微通道语义关联特征向量。

7、例如，根据本公开的实施例的碳纤维抽油杆的在线缺陷检测方法，其中，将所述碳纤维抽油杆截面金相显微浅层特征图和所述碳纤维抽油杆截面金相显微增强语义特征图进行特征集成以得到碳纤维抽油杆截面金相纤维多尺度融合表示图，包括：将所述碳纤维抽油杆截面金相显微浅层特征图和所述碳纤维抽油杆截面金相显微增强语义特征图通过语义引导多通道特征集成模块以得到所述碳纤维抽油杆截面金相纤维多尺度融合表示图。

8、例如，根据本公开的实施例的碳纤维抽油杆的在线缺陷检测方法，其中，将所述碳纤维抽油杆截面金相显微浅层特征图和所述碳纤维抽油杆截面金相显微增强语义特征图通过语义引导多通道特征集成模块以得到所述碳纤维抽油杆截面金相纤维多尺度融合表示图，包括：将所述碳纤维抽油杆截面金相显微增强语义特征图和所述碳纤维抽油杆截面金相显微浅层特征图进行级联以得到碳纤维抽油杆截面金相显微语义-浅层串联特征图；对所述碳纤维抽油杆截面金相显微语义-浅层串联特征图进行卷积编码以得到碳纤维抽油杆截面金相显微语义-浅层关联特征图；对所述碳纤维抽油杆截面金相显微语义-浅层关联特征图进行数据分布平衡归一化处理以得到归一化碳纤维抽油杆截面金相显微语义-浅层关联特征图；对所述归一化碳纤维抽油杆截面金相显微语义-浅层关联特征图进行基于最大值的全局池化处理、基于随机值的全局池化处理和基于平均值的全局池化处理以得到碳纤维抽油杆截面金相显微语义-浅层关联全局最大值池化特征向量、碳纤维抽油杆截面金相显微语义-浅层关联全局均值池化特征向量和碳纤维抽油杆截面金相显微语义-浅层关联全局随机值池化特征向量；计算所述碳碳纤维抽油杆截面金相显微语义-浅层关联全局最大值池化特征向量、所述碳纤维抽油杆截面金相显微语义-浅层关联全局均值池化特征向量和所述碳纤维抽油杆截面金相显微语义-浅层关联全局随机值池化特征向量之间的按位置加权和以得到碳纤维抽油杆截面金相显微语义-浅层关联特征多尺度池化表示向量；以所述碳纤维抽油杆截面金相显微语义-浅层关联特征多尺度池化表示向量中各个位置的特征值作为权重，对所述碳纤维抽油杆截面金相显微浅层特征图的沿通道维度的各个特征矩阵进行加权以得到所述碳纤维抽油杆截面金相纤维多尺度融合表示图。

9、例如，根据本公开的实施例的碳纤维抽油杆的在线缺陷检测方法，其中，基于所述碳纤维抽油杆截面金相纤维多尺度融合表示图，确定所述待检测碳纤维抽油杆的检测结果，包括：将所述碳纤维抽油杆截面金相纤维多尺度融合表示图输入基于分类器的缺陷检测器以得到所述检测结果，所述检测结果用于表示所述待检测碳纤维抽油杆是否存在缺陷。

10、例如，根据本公开的实施例的碳纤维抽油杆的在线缺陷检测方法，其中，还包括：训练阶段，用于所述基于空洞金字塔网络的碳纤维抽油杆截面金相显微图像特征提取器、所述基于门控机制的类别导向增强注意力自适应分配网络、所述语义引导多通道特征集成模块和所述基于分类器的缺陷检测器进行训练；其中，所述训练阶段，包括：获取待检测碳纤维抽油杆的训练截面金相显微图像；将所述待检测碳纤维抽油杆的训练截面金相显微图像输入基于空洞金字塔网络的碳纤维抽油杆截面金相显微图像特征提取器以得到训练碳纤维抽油杆截面金相显微浅层特征图和训练碳纤维抽油杆截面金相显微语义特征图；将所述训练碳纤维抽油杆截面金相显微语义特征图输入基于门控机制的类别导向增强注意力自适应分配网络以得到训练碳纤维抽油杆截面金相显微增强语义特征图；将所述训练碳纤维抽油杆截面金相显微浅层特征图和所述训练碳纤维抽油杆截面金相显微增强语义特征图通过语义引导多通道特征集成模块以得到训练碳纤维抽油杆截面金相纤维多尺度融合表示图；将所述训练碳纤维抽油杆截面金相纤维多尺度融合表示图输入基于分类器的缺陷检测器以得到分类损失函数值；基于所述分类损失函数值对所述基于空洞金字塔网络的碳纤维抽油杆截面金相显微图像特征提取器、所述基于门控机制的类别导向增强注意力自适应分配网络、所述语义引导多通道特征集成模块和所述基于分类器的缺陷检测器进行训练，其中，在每次所述训练碳纤维抽油杆截面金相纤维多尺度融合表示图通过基于分类器的缺陷检测器进行分类迭代时，对所述训练碳纤维抽油杆截面金相纤维多尺度融合表示图进行校正。

11、本公开的实施例还提供了一种碳纤维抽油杆的在线缺陷检测系统，其包括：图像采集模块，用于获取待检测碳纤维抽油杆的截面金相显微图像；多尺度图像特征提取模块，用于对所述截面金相显微图像进行多尺度图像特征提取以得到碳纤维抽油杆截面金相显微浅层特征图和碳纤维抽油杆截面金相显微语义特征图；语义增强模块，用于将所述碳纤维抽油杆截面金相显微语义特征图输入基于门控机制的类别导向增强注意力自适应分配网络以得到碳纤维抽油杆截面金相显微增强语义特征图；特征集成模块，用于将所述碳纤维抽油杆截面金相显微浅层特征图和所述碳纤维抽油杆截面金相显微增强语义特征图进行特征集成以得到碳纤维抽油杆截面金相纤维多尺度融合表示图；检测确认模块，用于基于所述碳纤维抽油杆截面金相纤维多尺度融合表示图，确定所述待检测碳纤维抽油杆的检测结果；其中，将所述碳纤维抽油杆截面金相显微语义特征图输入基于门控机制的类别导向增强注意力自适应分配网络以得到碳纤维抽油杆截面金相显微增强语义特征图，包括：对所述碳纤维抽油杆截面金相显微语义特征图进行基于最大值的全局池化处理、基于随机值的全局池化处理和基于平均值的全局池化处理以得到截面金相显微语义全局最大值池化特征向量、截面金相显微语义全局均值池化特征向量和截面金相显微语义全局随机值池化特征向量；融合所述截面金相显微语义全局最大值池化特征向量、所述截面金相显微语义全局均值池化特征向量和所述截面金相显微语义全局随机值池化特征向量以得到截面金相显微全局语义多尺度表示向量；对所述截面金相显微全局语义多尺度表示向量进行逐通道语义特征交互和特征激活以得到截面金相显微通道语义关联特征向量；将所述截面金相显微通道语义关联特征向量输入门控单元以得到门控筛选截面金相显微通道语义关联特征向量；对所述门控筛选截面金相显微通道语义关联特征向量进行归一化处理以得到门控筛选截面金相显微通道语义关联权重特征向量；以所述门控筛选截面金相显微通道语义关联权重特征向量作为权重特征向量，计算其与所述碳纤维抽油杆截面金相显微语义特征图的逐通道点乘以得到所述碳纤维抽油杆截面金相显微增强语义特征图。

12、根据本公开的实施例的碳纤维抽油杆的在线缺陷检测系统及方法，其通过获取待检测碳纤维抽油杆的截面金相显微图像，结合智能化算法捕捉截面金相显微图像中的浅层特征和图像语义特征，并引入注意力机制对图像语义特征进行自适应增强以优化图像语义特征的表达，再将浅层特征与优化的图像语义特征进行多尺度集成与融合，从而形成综合性的缺陷特征表示，这样，基于这种综合性的缺陷特征表示实现碳纤维抽油杆的自动化缺陷识别与检测。