随着近年来机器视觉的发展,图像处理与深度学习技术在众多领域皆有应用,其打破了传统技术的瓶颈使得众多领域迈上了新的台阶。空冷器属于石化企业的大型设备,及时对其翅片管束内部损伤进行检测可避免由于损伤泄漏引起的事故。目前石化企业对空冷器翅片管束的检测多采用人工手持工业内窥镜巡检的方式,其自动化程度较低,容易出现漏检。针对这一现状本文以空冷器翅片管束为研究对象,设计了基于机器视觉的翅片管束无损检测系统旨在实现检测过程自动化。本文针对翅片管束的无损检测展开研究,主要研究内容如下:1.分析了目前无损检测技术在翅片管束上应用的局限性,针对翅片管束的特点设计基于机器视觉的无损检测系统的总体设计方案。完成了视觉检测系统的硬件选型并构建了硬件系统,实现了翅片管内壁图像采集以及无损检测系统检测位置的控制。2.针对摄像头采集的翅片管束内部图像设计了一系列图像处理算法,图像处理算法的功能包括:图像的预处理及ROI提取、图像极坐标变换及光照补偿、图像拼接与自适应阈值化处理以及图像的快速去噪与区域分割。利用图像处理算法可实现从摄像头采集的原始图像中完整地提取出翅片管内壁的损伤特征。3.设计了基于Faster RCNN的损伤检测识别网络,分析了三代目标检测网络的结构与原理,并针对翅片管束内部损伤的特点对网络模型做了一定的优化使其更适用于翅片管束内部的损伤检测。利用数据增强方法扩充了网络的训练数据集并完成了网络训练,在此基础上进行了损伤检测的测试,测试结果表明优化后的网络模型能够从损伤特征图像中识别损伤类型并标记出损伤区域,在测试数据集上取得了良好的分类准确率。4.分析了翅片管束无损检测系统的主要功能与检测需求,基于QT开发了系统上位机操作软件,实现了人机交互。在石化企业中进行了无损检测系统现场应用实验,在实验室中测得检测系统的损伤检测准确率达到了88.1%,通过分析实验结果证明了本检测系统的可靠性,并明确了系统的改进方向。本文提出的基于机器视觉的翅片管束无损检测将图像处理与深度学习技术结合并应用于翅片管束,针对翅片管束的特点设计了检测系统的硬件结构与上位机软件算法,在保证检测准确率的同时兼顾系统的适用性。对实际检测中可能存在的条件约束和干扰因素提出了解决方案,最终达到了较高的检测准确率并实现了自动化检测。本文所设计的翅片管束无损检测系统在一定程度上取代了人工巡检,具有一定的理论价值与实际应用意义。