管道运输广泛应用于化工、能源、城市水暖供应等诸多领域,是我国运输体系的重要组成部分。由于外力破坏、运输物侵蚀等原因,管道内表面经常出现裂缝、腐蚀、表皮脱落等诸多病害,定期对地下管网设施进行结构性和功能性检测与评估,是保证运输过程安全可靠的关键。管道缺陷检测要解决两个关键问题:管道内壁纹理图像的快速获取以及缺陷的特征提取与识别。目前,人工目检是管道缺陷检测的主要方式,这种检测方法效率低、成本高,而且极易受检测人员主观因素影响。针对管道缺陷检测的现状,本文设计并实现了一种基于主动式全景视觉的缺陷检测系统。本文主要的研究工作和成果包括:1.针对管道内部封闭狭长的特点,本文设计了一种主动式全景视觉检测装置,全方位视觉传感器一次成像就能获取管壁360°全景纹理信息,实现全景图像采集的同时,又避免了传统相机多角度拍摄再进行图像拼接的难题。2.为了消除全景成像引起的图像畸变,采用展开算法对全景图像进行柱状展开,并研究了相应的图像预处理算法,实现管壁展开图像的降噪、亮度与对比度调整以及疑似缺陷的分割与提取。3.本文对裂缝、腐蚀、树根突入、支管暗接这四种最常见的缺陷进行检测,并研究了两种缺陷识别算法。首先,本文采用了基于几何特征值的识别算法,分别计算疑似缺陷区域的面积、周长、圆形度、凸度、角度等几何量,对缺陷的种类进行判定。为了解决上述方法在人工特征提取上的难点,本文采用卷积神经网络对管道缺陷进行特征提取与识别,在识别精度和速度上均有所提升。最后,为了一次性实现缺陷的位置检测与种类识别,本文采用Faster R-CNN方法,直接将全景展开图作为网络输入,进一步提高检测精度,同时突出了全景成像系统的优势。本文对管道缺陷检测系统进行设计与实现,并对系统的各个功能模块进行了具体阐述。实验结果表明,本文设计的管道缺陷检测系统能够实现管道内壁全景图像的采集、分析处理、缺陷检测与识别的自动化,在识别精度与检测速度上均能达到较好的效果。