在石油开采过程中,一个重要的生产流程是将油管从地表输送到地下到达油层,由抽油机拉动活塞做往复运动将储存于地下数千米甚至达到万米的原油抽出地面。因此,油管质量对原油生产和石油工业安全生产有着十分重大的意义。油管属于重复使用生产资料,这些油管的质量参差不齐,很多油田出现了抽油管破坏和失效的情况,粘扣、泄漏、滑脱掉井、挤毁等时有发生,严重的会导致油管断裂,给生产和作业带来了很大的经济损失。据统计,95%以上的油管失效都发生在螺纹连接处,如果螺纹几何尺寸及偏差超过API规定的范围,如锥度过大、牙型不好等都可能导致断裂失效的发生,故对油管螺纹参数进行智能损伤识别有着重要意义。因此,本课题研究一种基于数字图像处理的油管螺纹损伤评定系统,论述了螺纹图像采集与处理系统的开发与研制,以及在技术上的实现。确定以美国石油学会(API)标准的螺纹锥度、牙型角(API称为螺纹夹角)、螺距、丝扣深度(API称为螺纹高度)、中径等与图像缺陷的其他特征作为螺纹图像识别分析的特征参数,并给出各个特征参数的定义及其计算方法。课题中关于油管故障缺陷智能识别的实现中提出运用改进的三层前馈式BP神经网络对获得的特征参数进行识别。其中,网络的隐节点数目、动量系数、误差水平及步长等网络参数采用实验的方式获得最佳值。采用VB.NET、MATLAB和SQL Server混合实现系统功能编程。系统及数据库的建立能够对螺纹参数和螺纹图像处理的研究奠定基础且对螺纹的特征参数和标准螺纹参数进行数据库管理。