(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210786913.5 (22)申请日 2022.07.04 (71)申请人 中特检深燃安全技 术服务 （深圳） 有 限公司 地址 518000 广东省深圳市罗湖区黄贝街 道新兴社区经二路11号深圳市燃气集 团A栋一层 (72)发明人 周吉祥　 (74)专利代理 机构 北京广技专利代理事务所 (特殊普通 合伙) 11842 专利代理师 安琪 (51)Int.Cl. G06K 9/00(2022.01) G06Q 10/00(2012.01) G06Q 10/06(2012.01)G06Q 50/04(2012.01) (54)发明名称 一种基于AI的漏磁内检测数据自动分析方 法 (57)摘要 本发明提供了一种基于AI的漏磁内检测数 据自动分析方法， 包括： S1： 基于 管道内检测样本 数据和AI模型， 构建出自动分析量化模型； S2： 基 于所述自动分析量化模型生成对应的人工智能 数据分析软件； S3： 基于所述人工智能数据分析 软件和管道完整性管理系统， 构建出对应的智能 分析评价体系； S4： 基于当前管道内检测数据和 所述智能分析评价体系获得对应的漏磁数据分 析结果； 用以通过大量管道内检测样本数据训练 AI模型， 获得最优量化模型， 提高了数据分析的 准确性和智能化水平； 将最优量化模 型与管道风 险评价方法、 管道完整性管理系统相结合， 构建 出管道内检测数据的智能分析与评价体系， 实现 了基于AI模型检测出管道内检测数据中的漏磁 数据。 权利要求书3页 说明书12页 附图1页 CN 115081485 A 2022.09.20 CN 115081485 A 1.一种基于AI的漏磁内检测数据自动分析 方法， 其特 征在于， 包括： S1： 基于管道内检测样本数据和AI模型， 构建出最优分析量 化模型； S2： 基于所述 最优分析量 化模型生成对应的人工智能数据分析 软件； S3： 基于所述人工智能数据分析软件和管道完整性管理系统， 构建出对应的智能分析 评价体系； S4： 基于当前管道内检测数据和所述智能分析评价体系获得对应的漏磁数据分析结 果。 2.根据权利要求1所述的一种基于AI的漏磁内检测数据自动分析方法， 其特征在于， S1： 基于管道内检测样本数据和AI模型， 构建出最优分析量 化模型， 包括： S101： 获取所述当前管道内检测数据， 基于所述当前管道内检测数据确定出对应的AI 模型； S102： 基于所述管道内检测样本数据对所述AI模型进行训练获得对应的初始量化模 型； S103： 基于所述管道内检测样本数据中包含的第一漏磁特征数据对所述初始量化模型 进行验证优化， 获得对应的最优分析量 化模型。 3.根据权利要求2所述的一种基于AI的漏磁内检测数据自动分析方法， 其特征在于， S102： 基于所述管道内检测样本数据对所述AI模型进行训练获得对应的初始量化模型， 包 括： S1021： 获取 所述管道内检测样本数据中包 含的初始漏磁MFL信号； S1022： 对所述初始漏磁MFL信号进行预处理后输入至AI模型中进行训练， 获得对应的 初始量化模型。 4.根据权利要求3所述的一种基于AI的漏磁 内检测数据自动分析方法， 其特征在于， 对 所述初始漏磁MFL信号进 行预处理后输入至A I模型中进 行训练， 获得对应的初始 量化模型， 包括： 将所述初始漏磁MFL信号中包 含的异常信号段进行删除， 获得对应的无损信号； 对所述无损信号进行插值补偿获得对应的完整信号； 对所述完整信号进行背景自适应平衡处 理， 获得对应的预处 理信号； 基于预设周期对所述预处 理信号进行等时采样， 获得对应的等时预处 理信号； 将所述等时预处 理信号与预设的管道传输模型进行对齐， 获得对应的对齐结果； 基于所述对齐结果和预设距离对所述等 时预处理信号进行等距离采样， 获得对应的等 距离采样信号， 对所述 等距离采样信号进行 特征提取获得对应的等距离信号特 征数据； 将所述等距离信号特征数据与漏磁 阈值进行比较， 确定出所述等距离信号特征数据的 漏磁判断结果； 将所述等距离信号特征数据和对应的漏磁判断结果输入至所述AI模型中进行训练， 获 得对应的初始量 化模型。 5.根据权利要求4所述的一种基于AI的漏磁 内检测数据自动分析方法， 其特征在于， 将 所述初始漏磁MFL信号中包 含的异常信号段进行删除， 获得对应的无损信号， 包括： 对所述初始漏磁MFL信号进行基线校正， 获得对应的校正信号； 对所述校正信号进行小 波包分解、 去噪、 重构处 理， 获得对应的无噪信号；权　利　要　求　书 1/3 页 2 CN 115081485 A 2利用预设梯度的滑动窗口尺寸对所述无 噪信号进行滑动采样， 获得每个预设尺寸的滑 动窗口对应的采样序列； 对所述采样序列中包 含的第一采样结果进行 特征提取， 获得对应的采样特 征序列； 将所有预设尺寸的滑动窗口对应的采样特征序列进行对齐， 获得对应的采样特征矩 阵； 对所述采样特 征矩阵进行列向分析， 获得对应的列向梯度变化曲线； 确定出所述列向梯度变化曲线的一阶导数， 将所述一阶导数恒小于导数阈值的列向梯 度变化曲线对应的采样结果确定为异常采样结果； 基于预设梯度的滑动 窗口尺寸中的最小滑动 窗口尺寸确定出所述异常采样结果对应 的异常信号段； 判断所述无噪信号中包含的异常信号段是否只有一个， 若是， 则将所述无噪信号段包 含的异常信号段删除， 获得对应的无损信号； 否则， 基于每 个异常信号段对应的长度， 计算出相邻异常信号段之间的长度阈值； 判断所述相邻异常信号段之间的间隔长度是否大于对应的长度阈值， 若是， 则将所述 相邻异常信号段中包 含的异常信号段进行删除， 获得对应的无损信号； 否则， 在所述无噪信号中提取出包含所述相邻异常信号段的最小待测信号段， 基于第 一预设尺寸的滑动窗口对所述 最小待测信号段进行滑动采样， 获得对应的第二采样结果； 确定出所述第二采样结果中包 含的所有子异常信号段的总长度； 计算出所述总长度与 所述间隔长度的异常占比， 当所述异常占比大于预设异常占比阈 值时， 则将所述最小待测信号段判定为最新异常信号段， 将所述最新异常信号段删除， 获得 对应的无损信号； 否则， 将所述相邻异常信号段中包 含的异常信号段进行删除， 获得对应的无损信号。 6.根据权利要求5所述的一种基于AI的漏磁 内检测数据自动分析方法， 其特征在于， 对 所述无损信号进行插值补偿获得对应的完整信号， 包括： 确定出所述初始漏磁MFL信号中包 含的所有异常信号段； 确定出所述无损信号中与所述异常信号段相接的第一无损信号幅值； 基于所述第一无损信号幅值对应的第一横坐标值和所述异常信号段中包含的每个插 值点对应的第二横坐标值之间的第一横坐标差值和信号波动范围列表以及所述第一无损 信号幅值， 确定出 所述异常信号段中包 含的每个插值点对应的第一波动范围； 以所述第一无损信号幅值为起点并按照预设采样规则在所述异常信号段中确定出多 个采样点； 基于所述采样点与每个插值点之间的第二横坐标差值和所述信号波动范围列表以及 所述采样点对应的第二无损信号幅值， 确定出所述异常信号段中包含的每个插值点对应的 第二波动范围； 将所述第一波动范围和所有第 二波动范围按照所述异常信号段中包含的插值点对齐， 获得对应的波动范围对齐集 合； 基于所述波动范围对齐集 合确定出每 个插值点对应的第一波动范围子集 合； 基于所述波动范围子集合中包含的所有第一子波动范围的交集确定出所述插值点对 应的第二波动范围；权　利　要　求　书 2/3 页 3 CN 115081485 A 3