基于局部纹理映射的油套管表面腐蚀缺陷视觉监测研究

冯桓榰; 张兴全; 殷志明; 桂晶; 王毛毛; 陈迎锋

doi:10.12404/j.issn.1671-1815.2503354

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (14) :5949-5955 DOI: 10.12404/j.issn.1671-1815.2503354

石油、天然气工业

基于局部纹理映射的油套管表面腐蚀缺陷视觉监测研究

冯桓榰 ¹^,² ,
张兴全 ¹^,² ,
殷志明 ¹^,² ,
桂晶 ³ ,
王毛毛 ³ ,
陈迎锋 ³^,^*

作者信息 +

Visual Monitoring of Corrosion Defects on Oil Casing Surface Based on Local Texture Mapping

FENG Huan-zhi ¹^,² ,
ZHANG Xing-quan ¹^,² ,
YIN Zhi-ming ¹^,² ,
GUI Jing ³ ,
WANG Mao-mao ³ ,
CHEN Ying-feng ³^,^*

Author information +

文章历史 +

摘要

对于油套管的腐蚀缺陷,现有的检测技术无法实现可视化的监测。另外,由于油管与套管间空间狭小,传统的视觉方法无法置于空间内部。提出了一种腐蚀缺陷的视觉监测系统。首先,利用球面反射镜将成像光路转折,从而将视觉硬件沿着油管纵向放置,且能够同时实现油管与套管的监测。进一步,对光路转折引起的图像变形,提出一种局部纹理映射的方法。将图像进行局部的透视变换,还原待检测目标的真实特征,为后续特征识别奠定基础。

Abstract

For the corrosion defects of oil casing, the existing inspection techniques cannot achieve visual monitoring. In addition, due to the narrow space between the oil pipe and the casing, the traditional visual methods cannot be placed inside the space. A visual monitoring system for corrosion defects was proposed. First, a spherical reflector was utilized to bend the imaging optical path so that the visual hardware was placed along the longitudinal direction of the oil pipe and the monitoring of the oil pipe and casing can be realized simultaneously. In addition, a local texture mapping method was proposed herein to mitigate image distortion resulting from optical path bending. The local perspective transformation of the image restores the real features of the target to be detected and lays the foundation for subsequent feature recognition.

Graphical abstract

关键词

腐蚀缺陷监测 / 光路偏折 / 纹理映射 / 视野校正

Key words

corrosion defect monitoring / optical path deflection / texture mapping / field of view correction

引用本文

引用格式 ▾

冯桓榰, 张兴全, 殷志明, 桂晶, 王毛毛, 陈迎锋. 基于局部纹理映射的油套管表面腐蚀缺陷视觉监测研究[J]. 科学技术与工程, 2026, 26(14): 5949-5955 DOI:10.12404/j.issn.1671-1815.2503354

FENG Huan-zhi, ZHANG Xing-quan, YIN Zhi-ming, GUI Jing, WANG Mao-mao, CHEN Ying-feng. Visual Monitoring of Corrosion Defects on Oil Casing Surface Based on Local Texture Mapping[J]. Science Technology and Engineering, 2026, 26(14): 5949-5955 DOI:10.12404/j.issn.1671-1815.2503354

登录浏览全文

4963

注册一个新账户忘记密码

石油被视为工业的生命线,对于推动国家经济和社会发展至关重要。在油气生产过程中,建立起套管和油管等油气生产通道是必不可少的。然而,这些通道长期处在高温、高压、强腐蚀的环境中,面临腐蚀、材料老化等风险,可能导致通道无法正常运行,进而引发非计划停工,带来巨大的经济损失。因此,准确检测油套管表面的腐蚀缺陷对于确保生产安全和效率至关重要^[1-5]。

通过工业相机成像的方式可以获得油套管表面的腐蚀缺陷信息,但复杂多变的水下环境对高质量视觉图像的获取提出了挑战。悬浮颗粒散射光线,造成目标景物的模糊,降低图像的清晰度^[6-9]。同时,水下生物的运动和湍流等因素也会造成图像模糊。这些退化现象严重制约了水下视觉应用的性能和效果^[10-12]。另外,在对水下石油套管进行检测时,由于表面的非平面形状,容易造成反射光照的不均匀,从而影响腐蚀缺陷监测中特征的亮度过曝或者过暗,即影响待检测图像的不均匀性。

因此,提高水下可视化特种的均匀性与清晰度已成为水下视觉任务的迫切需求。采用暗通道先验算法去除图像中的浑浊,提高图像的对比度和细节,可以显著提升水下视觉系统的性能。

随着海上油田的开发进入中后期,油套管作为油气生产的唯一通道,把油气从油气井的底部输送到海上油气生产终端,由于海上油田的开发进入中后期,油套管长期处在高温、高压、强腐蚀的服役环境中^[1-5]。油套管的壁厚减薄、泄露,甚至断裂等问题发生变得不可避免,严重威胁到了海上油气生产的安全^[6-9]。

为了能够及时发现油套管的腐蚀问题,为提前做好油套管的预防维护工作提供科学决策依据。研究人员提出了多种油套管缺陷检测的方式,主要方式有射线^[10]、漏磁^[10-12]、涡流^[10,13]和超声^[10,14]等。这些方式往往是通过观察回传的电信号来判断是否存在缺陷,并不能直观地观测到油套管腐蚀缺陷的形状、颜色、纹理等多维信息。

以工业相机成像的方式可以获取油套管上更多的缺陷信息。但传统工业相机对油套管腐蚀缺陷进行监测,其视场范围小,存在较大区域的视场死角,难以同时获取套管内壁和油管外壁的图像,漏检的问题难以避免^[15-16]。除此之外,现有的视觉监测方法,其成像体积较大,无法直接放置于油管与油套管之间的环空区域。

现有的狭小空间的视觉监测方法,往往采用内窥镜的监测方法,但是在油管以及油套管管壁的腐蚀缺陷监测中,内窥镜的监测方法^[17-19],视角的问题,只能监测前方的区域,从而导致待监测的管壁区域的视野较小,即无法直接对成像侧面的管壁区域进行成像,导致成像靶面的利用率较低。

基于上述问题,引入球面全反射镜,将光路反射,从而实现,监测单元的90°偏转,便于沿着管道竖直方向,放置于狭小的油管与油套管之间狭小的环空区域内。另外,通过反射镜的反射,能够直接对侧面待监测管壁区域进行成像,有效地增加了侧面成像的视野,从而增大了监测的效率。

除此之外,由于上述系统中引入的球面镜尽管可以对光路进行转折,缩小成像光路的体积,但所拍摄是呈圆环形的图像,其表面特征被扭曲,不便于后续的观测。为了使后续监测顺利进行,需要将环形图像校正成二维矩形图。

目前,主流的图像畸变校正方法主要包括基于物理模型的方法和基于全局变换的方法^[20-21]。然而这些方法在所研究的特定场景中存在局限性。一方面,基于物理模型的方法需要对复杂的球面镜折反射光路和柱面目标进行精确建模,对系统安装精度要求极高,在实际工况中难以保证鲁棒性。另一方面,目标表面为非平面的柱体,其在全景成像系统下产生的畸变是空间变化的、非线性的,采用单一的全局变换模型(如全局透视变换)无法对整幅图像实现均匀且精确的校正,容易导致部分区域过校正或欠校正。

另外,由于油管和油套管表面为柱面形状,进一步增加的图像的形变。从而,上述校正图像中的表面特征信息具有形变,容易造成监测过程的不准确,因此需要进一步校正这种变形。现提出一种基于局部纹理映射的方法,通过圆点状的图像标定纸表征管壁局部的形变。然后利用图像中局部区域中圆点之间像素形变量,与无形变的定标圆点之间的刚性距离完成映射,求取局部区域的形变量。因此,根据圆点状定标纸将图像分块,分别局部的映射矩阵的求取,来校正上述形变,完成图像的校正,从而得到可靠的图像信息。进而解决由于空间内部光路折反射以及待监测表面弯曲引起的图像变形的问题,为油套管与油管表面的腐蚀监测提供一种直接以及可靠的视觉监测方案。

1 视觉监测的原理

由于环空区域小于50 mm,如图1所示,油管和油套管之间空间狭小,传统相机的体积较大,在非竖直状态下很难进入环空区域中;在竖直状态下,其小视野又很难拍摄到内外壁完整的信息^[22]。

为了将视觉系统放置于狭小的油管与油套管之间的环空区域,通过球面镜将光路进行90°偏折,从而能够将视觉系统沿油套管纵向放置于空间内部。同时,通过球面的反射,能够将360°视场角范围内的图像成像于相机靶面,进而能够实现油管以及套管的同步监测。

上述监测系统主要由球面镜、LED照明光源和CCD相机组成,如图2所示。LED光源同时将内外壁照明,被照明区域的信息传送到球面镜上。由于反射镜的特殊设计,光线会经过反射和折射,并成像在相机的传感器上。

这样,相机就可以获取到从不同方向来的光线,实现内外壁图像的同时捕捉。折反射成像系统具有一次获取大视场场景信息的能力,可以实现对水平方向360°和垂直区域中大范围进行成像。通过球面反射镜监测系统可以同时获得大范围油管和油套管的表面图像如图2中紫色部分所示,满足在狭小环境中对油管与套管的表面特征的成像要求。相比于传统相机,球面折反射镜监测系统可以竖直地放入环空区域内并没有体积的限制;相比于内窥镜,球面折反射镜监测系统有更大的监测范围不用频繁地转动相机模组。

2 环形图像校正

基于上述视觉监测系统,通过球面反射镜能够得到狭小空间内360°范围内的图像。即圆环形图像,但是其不符合人员观察习惯, 因此在该部分根据球面反射的光路,将上述图像校正为正常的二维矩形图像。

其中,反射光路如图2所示,在套管内壁上的一点P'_inwall,通过球面镜反射后,在相机成像平面上成像为P_inwall。图3中P_inner和P_outer分别是图2中视野范围边界上的两点在环形图上的成像,其同时是环形图内外边界上的点。根据环形图与内外壁的对应关系以及内外壁与投影面的对应关系,得到环形图与投影面的关系,最终将卷曲的投影面铺平获得二维矩形图像。对环形图像上的任意一点P,与油管内外壁上一点P'对应的关系,由光学系统公式得出

(1)

$\left\{\begin{array}{l}{P}_{x}=\frac{P\text{'}{ }_{x} f{b}^{2}}{2ac\sqrt{(P\text{'}{ }_{x}{)}^{2}+(P\text{'}{ }_{y}{)}^{2}+(P\text{'}{ }_{z}{)}^{2}}-({a}^{2}+{c}^{2})P\text{'}{ }_{z}}\\ {P}_{y}=\frac{P\text{'}{ }_{y} f{b}^{2}}{2ac\sqrt{(P\text{'}{ }_{x}{)}^{2}+(P\text{'}{ }_{y}{)}^{2}+(P\text{'}{ }_{z}{)}^{2}}-({a}^{2}+{c}^{2})P\text{'}{ }_{z}}\end{array}\right.$

式(1)中:P_x、P_y为环形图像上的任意一点P对应的x、y的像素坐标;a、b、c为球面全反射系统的镜面参数;f为系统的焦距。

投影面上的二维点P″_inwall对应内壁上的点P'_inwall的映射关系为

(2)

$\left\{\begin{array}{l}P\text{'}{ }_{inwall\_z}=P″{ }_{inwall\_y}\\ P\text{'}{ }_{inwall\_x}=Lcos\frac{P″{ }_{inwall\_x}}{2\pi L}\\ P\text{'}{ }_{inwall\_y}=Lsin\frac{P″{ }_{inwall\_x}}{2\pi L}\end{array}\right.$

式(2)中:L为投影面的半径;P'_inwall_{_x}、P'_inwall_{_y}、P'_inwall_{_z}为内壁点P'_inwall的空间三维坐标;P″_inwall_{_x}、P″_inwall_{_} _y为投影面上的二维点P″_inwall的坐标。

根据式(1)与式(2)得出环形图像上的点 P_inwall与投影面上的点P″_inwall映射关系为

(3)

$\left\{\begin{array}{l}{P}_{inwall\_x}=\frac{Lf{b}^{2}cos(P″{ }_{inwall\_x}/2\pi L)}{2ac\sqrt{{L}^{2}+P{″}_{inwall\_ y}^{2}}-({a}^{2}+{c}^{2})P″{ }_{inwall\_ y}}\\ {P}_{inwall\_ y}=\frac{Lf{b}^{2}sin(P″{ }_{inwall\_x}/2\pi L)}{2ac\sqrt{{L}^{2}+P{″}_{inwall\_ y}^{2}}-({a}^{2}+{c}^{2})P″{ }_{inwall\_ y}}\end{array}\right.$

由此可以获得二维矩形图像与环形图像上坐标的对应关系,将内外壁的环形图像转换到二维矩形图像。利用这种方式将环形图像校正可以保证目标二维矩形图像上的每个像素都可以找到原始图像中的对应像素,信息不会缺失。因此,环形图像校正成二维矩形图在保留人眼视觉习惯的同时,能够较准确地保留物体的形状、结构和空间映射信息,为后续的分析、处理和应用提供了更丰富的数据基础。

3 基于局部纹理的图像校正

基于上述过程,通过将硬件采集的环形图像校正为常用的二维矩形图像后,能够消除由于光路反射引起的图像变形。但是图像中依然存在特征拉伸压缩的比例错误、透视畸变等问题,其中这些问题主要是因为环形图校正时非线性映射的存在,以及图2中成像中心点距离内壁与外壁的距离存在变化。如L_{focus_inwall1}和L_{focus_inwall2}虽然都是对油套管的内壁成像,但是它们的距离存在差异,从而导致前后的像素点坐标依然存在错误的映射关系。同样地,管道表面弧形的曲率会导致图像出现畸变,这是因为相机镜头在对准弧形表面时,不同部位到相机的距离是不同的,距离相机中心点较远的部分相对于距离较近的部分更加扭曲。且当相机距离不同时,其形状大小也会发生变化,从而对缺陷程度判断产生误扰,影响了视觉监测的准确性。因此,基于上述问题,在经过圆环校正以后,图像依然存在较大的形变,如图4所示。为了解决这些形变,利用局部纹理映射完成图像的形变校正。

通过圆点状的图像标定纸表征管壁局部的形变。将白底的圆形标定纸,平整地黏附在内外壁上,并用监测系统进行成像得到环形图。由于系统的景深限制,拍摄的圆形图案并不都是清晰的,要将模糊的图案剔除。在二维矩形图像内外壁区域上,划取一个矩形区域,其中的圆形图案都是清晰的。把划取的区域称为待检测区,其大小为i行j列。将提取的区域进行二值化处理,根据圆点的大小和形状,筛选出所有圆点并提取它们的中心坐标。

由于球面反射系统纵方向垂直投影时列坐标几乎不会发生变化,所以将提取的像素点按照列坐标分组,并将每组数据按照横坐标从小到大排列。完成对待校正区域提取处理后,制作一个无变形的校正模板,为后续的透视变换做准备,其像素点数量与待检测区域中的圆点数量相同。

提取待校正图像中的局部区域进行校正。局部区域旨在通过对图像中局部区域的变形进行校正,从而使得这些区域回到正确位置,以修复圆柱面投影到相机成像面时的变形导致的图像失真问题。通过对局部区域内的像素进行重新映射,实现对这些区域的畸变进行校正。在上述排序后的数据中,提取相邻的(i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)4个点为待校正点,这4个点围成的区域为待校正区域。对提取的待校正点与校正模板中位置相对应的4个点进行映射,其过程可以表示为

(4)B=mA

式(4)中:B为目标点;A为源目标点;m为映射矩阵。

m的简化形式为

(5)$\left[\begin{array}{l}X\\ Y\\ Z\end{array}\right]$=$\left[\begin{array}{lll}a& b& c\\ d& e& f\\ g& h& 1\end{array}\right]\left[\begin{array}{l}x\\ y\\ 1\end{array}\right]$

将式(5)展开可以得到一对点的映射结果,即

(6)

$\left\{\begin{array}{l}ax+by+c-gxX-hyX=X\\ dx+ey+f-gxX-hyY=Y\end{array}\right.$

将式(6)扩展到四对点可以计算出映射矩阵中的参数即

(7)

$\left[\begin{array}{llllllll}{x}_{1}& {y}_{1}& 1& 0& 0& 0& -{X}_{1}{x}_{1}& -{X}_{1}{y}_{1}\\ 0& 0& 0& {x}_{1}& {y}_{1}& 1& -{Y}_{1}{x}_{1}& -{Y}_{1}{y}_{1}\\ {x}_{2}& {y}_{2}& 1& 0& 0& 0& -{X}_{2}{x}_{2}& -{X}_{2}{y}_{2}\\ ︙& ︙& ︙& ︙& ︙& ︙& ︙& ︙\\ 0& 0& 0& {x}_{4}& {y}_{4}& 1& -{Y}_{4}{x}_{4}& -{Y}_{4}{y}_{4}\end{array}\right]$

$\left[\begin{array}{l}\begin{array}{l}a\\ b\end{array}\\ c\\ \begin{array}{l}︙\\ h\end{array}\end{array}\right]$=$\left[\begin{array}{l}\begin{array}{l}{X}_{1}\\ {Y}_{1}\end{array}\\ {X}_{2}\\ ︙\\ {Y}_{4}\end{array}\right]$

式(7)中:(x_i,y_i)和(X_i,Y_i)分别为待校正点和校正模板上的对应点,其中i=1,2,3,4。

由此可以求得矩阵m中的参数。将上述提取的4个待校正点,与模板中对应的4个点代入式(7)中,获取对应区域的映射矩阵。

计算透视变换后,得到的坐标可能不是整数,此时的像素是没有意义的,需要使用周围整数处的像素进行插值得出非整数处的像素值。使用把最近的像素点赋值到非整数坐标处方式完成插值。将插值后的局部图像,按照顺序拼接成一幅完整的图像,即最终的校正图。

4 实验结果

选用500万像素相机进行成像,打开图5(a)中所示的柱光对内外壁进行照明。将准备好的圆形标定纸平整黏附在图5(c)所示的内外壁的表面上,拍摄一张环形图,如图5(b)所示。其中,由于光路成像为环形成像,相机为矩形,图像变形较大,从而无法完成放大倍率的直接计算。后续通过环形图像校正完成图像的矩形校正,最后通过局部纹理校正进一步降低图像的变形。

从图5(b)中可知,此时的圆点在越靠近图像中心的位置靠得越近,出现了较大的变形,且环形图像不符合人眼的观测习惯。运用上述方式将环形图校正为矩形图,并对矩形图像进行局部纹理校正,如图6所示。

从图6中的上方图像为环形图像校正结果图,图中的圆点仍存在变形,离中心越远圆点间距离越小,且大小也越小,这是不符合正常标定纸样式的。在图6中环形图像校正结果图中取出待检测点,用局部纹理方法进行校正,其部分局部映射矩阵如表1和表2所示。校正结果为图6中的下方图像,此时圆点的横竖方向都较为齐平,且圆点的大小也较为一致,相较于未经过局部纹理校正的图得到了很大的改善。

为了验证本文算法的可靠性,在套管内壁位置贴上了一张带有直线的测试纸张,图7(a)所示。在环形图中可以清晰地看到直线被弯曲成了一条曲线。把图像经过环形图像校正得到图7(b),图7(b)中的线条依旧处于弯曲的状态。使用局部纹理校正方式对图像进行校正得到图7(c),可以看出弯曲的线条已经校正成了接近直线的状态,没有了明显的弯曲。通过对局部纹理校正前后图中线条的曲率进行检测,其最大曲率从0.01降低到0.000 89。

沿着油管轴向位置,分别对3组不同区域的油管外壁和套管内壁的环形图像进行环形图像校正,得到图8的上半部分图像;进一步,对这些图像通过局部纹理校正得到下半部分图像。

使用本文方法能够同时拍摄到油管与套管表面的特征信息。从上述实验中可知使用监测系统拍摄的图像其上面的特征是变形的,并不是其真实的形状,这可能会使后续的检测产生误判。在图8(a)和图8(b)的环形图像校正图中,原先油管上被拉伸的腐蚀区域以及油套管上变形的锈蚀部分,通过局部纹理校正恢复到了其正确的大小。在图8(c)中环形图像校正图中,油套管上的划线上下被严重拉长,在校正后恢复到了正常的粗细与大小。通过本文局部纹理的方式进行校正,在环形图和环形图像校正图中原本弯曲的划线、划痕能够恢复到真实的长度与弯曲程度,原本变形的腐蚀、锈蚀等特征能够校正到其原本的形状。

5 结论

(1)提出了一种具有大视场、高分辨率的视觉监测系统。利用球面全反射镜将成像光路进行转折,便于缩小成像光路的体积,从而能够将成像系统置于油管与油套管之间的狭小环空区间内。且利用球面镜,可以在狭小的环空区间内,大幅度提升视场角,能够同时实现油管与油套管的直接成像与监测。

(2)根据反射原理将成像系统得到的环形图像校正为二维矩形图像,油管以及油套管表面的柱面形状以及镜头产生的畸变,从而导致环形图像校正后的图像依然存在较大变形。利用所提出的局部纹理映射的方法,对图像进行校正。实验结果显示,该方法能够对二维矩形图像中的各种区域变形进行校正,还原待检测目标的真实特征,为后续特征的识别奠定基础。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	魏然, 王浩, 秦立高, 等海上某油田油管腐蚀失效原因分析[J]. 全面腐蚀控制, 2020, 34(11): 7-12.

[2]	Wei Ran, Wang Hao, Qin Ligao, et al. Analysis of corrosion failure causes of tubing in an offshore oilfield[J]. Total Corrosion Control, 2020, 34(11): 7-12.

[3]	杨中娜, 杨阳, 徐振东, 等. 海上油田生产井油管腐蚀失效分析[J]. 石油化工腐蚀与防护, 2021, 38(4): 60-64.

[4]	Yang Zhongna, Yang Yang, Xu Zhendong, et al. Corrosion failure analysis of production well tubing in offshore oilfields[J]. Petrochemical Corrosion and Protection, 2021, 38(4): 60-64.

[5]	刘佳, 高晓飞, 王海, 等. 海上某油田油管短节腐蚀穿孔失效分析[J]. 涂层与防护, 2022, 43(2): 36-42.

[6]	Liu Jia, Gao Xiaofei, Wang Hai, et al. Failure analysis of corrosion perforation in tubing short joints of an offshore oilfield[J]. Coatings and Protection, 2022, 43(2): 36-42.

[7]	宋成立, 罗金恒, 成少兵, 等. 油气集输管道的腐蚀速率预测研究进展[J]. 科学技术与工程, 2023, 23(23): 9766-9774.

[8]	Song Chengli, Luo Jinheng, Cheng Shaobing, et al. Research progress on corrosion rate prediction of oil and gas gathering pipelines[J]. Science Technology and Engineering, 2023, 23(23): 9766-9774.

[9]	李杰, 李屹洋, 苏日古, 等. 新疆油田火驱区块采油井D级杆腐蚀失效分析[J]. 科学技术与工程, 2025, 25(3): 992-998.

[10]	Li Jie, Li Yiyang, Su Rigu, et al. Corrosion failure analysis of d-class rod in a fire driveproduction well in Xinjiang Oilfield[J]. Science Technology and Engineering, 2025, 25(3): 992-998.

[11]	孙莉. 海上气井油管完整性评价方法研究[D]. 北京: 中国石油大学(北京), 2016.

[12]	Sun Li. Research on tubing integrity evaluation method for offshore gas wells[D]. Beijing: China University of Petroleum (Beijing), 2016.

[13]	李广. 连续油管设备在海上作业优势探究[J]. 中国石油和化工标准与质量, 2019, 39(14): 135-136.

[14]	Li Guang. Exploration on the advantages of coiled tubing equipment in offshore operations[J]. China Petroleum and Chemical Standard and Quality, 2019, 39(14): 135-136.

[15]	张兴全, 冯桓榰, 殷志明, 等. 水下油套管表面腐蚀缺陷的可视化特征增强算法[J]. 科学技术与工程, 2025, 25(28): 12006-12012.

[16]	Zhang Xingquan, Feng Huanzhi, Yin Zhiming, et al. Algorithms for enhanced visualization of corrosion defects on surface of underwater oil casings[J]. Science Technology and Engineering, 2025, 25(28): 12006-12012.

[17]	徐梅钟, 简伟, 李继康. 用于海上重钻和修井的混合连续油管系统[J]. 国外石油机械, 1999(3): 22-25.

[18]	Xu Meizhong, Jian Wei, Li Jikang. Hybrid coiled tubing system for offshore workover and redrilling[J]. Foreign Petroleum Machinery, 1999(3): 22-25.

[19]	蹇清平. 基于漏磁检测的油管缺陷量化研究[D]. 成都: 西南石油大学, 2015.

[20]	Jian Qingping. Quantitative research on tubing defects based on magnetic flux leakage detection[D]. Chengdu: Southwest Petroleum University, 2015.

[21]	刘迪, 樊建春, 梁政伟, 等. 气井井下油管泄漏地面声波检测试验研究[J]. 中国安全科学学报, 2017, 27(2): 121-126.

[22]	Liu Di, Fan Jianchun, Liang Zhengwei, et al. Experimental study on surface acoustic detection of downhole tubing leakage in gas wells[J]. China Safety Science Journal, 2017, 27(2): 121-126.

[23]	鲁鑫. 油管漏磁检测的有限元分析及实验的研究[D]. 大庆: 东北石油大学, 2016.

[24]	Lu Xin. Finite element analysis and experimental research on magnetic flux leakage detection of tubing[D]. Daqing: Northeast Petroleum University, 2016.

[25]	程强强, 夏桂锁, 于润桥, 等. 基于微磁的连续油管在线检测技术[J]. 天然气工业, 2014, 34(7): 109-114.

[26]	Cheng Qiangqiang, Xia Guisuo, Yu Runqiao, et al. Online detection technology for coiled tubing based on micro-magnetic method[J]. Natural Gas Industry, 2014, 34(7): 109-114.

[27]	樊建春, 梁政伟, 刘迪, 等. 油管泄漏地面检测系统设计与开发[J]. 中国海上油气, 2018, 30(6): 123-128.

[28]	Fan Jianchun, Liang Zhengwei, Liu Di, et al. Design and development of surface detection system for tubing leakage[J]. China Offshore Oil and Gas, 2018, 30(6): 123-128.

[29]	Arkhipova L N, Bagdasarov A A, Bagdasarova O V, et al. Circular-scan panoramic systems[J]. Journal of Optical Technology, 2016, 83(6): 342-350.

[30]	Cheng B, Sun T Y, Cheng J H, et al. Multi-camera panoramic imaging system based on adaptive brightness uniformization for the truck[J]. Journal of Physics: Conference Series, 2020, 1693(1). DOI: 10.1088/1742-6596/1693/1/012133.

[31]	严正国, 胡朋, 汤英, 等. 油管内窥镜检测方法研究[J]. 云南化工, 2020, 47(7): 174-176.

[32]	Yan Zhengguo, Hu Peng, Tang Ying, et al. Research on endoscopic inspection method for tubing[J]. Yunnan Chemical Technology, 2020, 47(7): 174-176.

[33]	赵习子. 运用管道内窥镜提升内衬油管修复质量[J]. 中国石油和化工, 2016(S1): 74-80.

[34]	Zhao Xizi. Improving lined tubing repair quality using pipeline endoscope[J]. China Petroleum and Chemical Industry, 2016(S1): 74-80.

[35]	杨向同, 吕拴录, 彭建新, 等. 超级13Gr油管内壁缺欠原因及对性能影响[J]. 石油矿场机械, 2015, 44(8): 48-52.

[36]	Yang Xiangtong, Lü Shuanlu, Peng Jianxin, et al. Causes of inner wall defects in super 13Gr tubing and their effects on performance[J]. Petroleum Mining Machinery, 2015, 44(8): 48-52.

[37]	Zhang J, Peng S, Liu J, et al. DCAN: dynamic channel attention network for multi-scale distortion correction[J]. Sensors, 2025, 25(5): 1482.

[38]	Zhao W, Liu X, Zhang Y. An image distortion correction method based on distortion centre and parameter estimation[J]. Journal of Physics: Conference Series, 2024, 2872(1). DOI: 10.1088/1742-6596/2872/1/012044.

[39]	赵斌, 张闯, 殷聪, 等. 基于LPWAN和LAN混合通信模式的高分辨率油管无损检测系统[J]. 电测与仪表, 2020, 57(10): 108-113.

[40]	Zhao Bin, Zhang Chuang, Yin Cong, et al. High-resolution nondestructive testing system for tubing based on LPWAN and LAN hybrid communication mode[J]. Electrical Measurement & Instrumentation, 2020, 57(10): 108-113.