一、成果概述：

本项目搭建了螺缺陷检测相关的机械运动系统，使用 X、Z 电机及滑轨带动工业相机、红外传感器以及刷漆装置等配合现场车间生产线快速移动，给钻杆螺纹部位拍照采集图像。另外，本项目从无到有设计了专用的上位机软硬件系统。其中硬件控系统包括各种电机驱动器、控制器以及高性能图像处理 GPU 卡。软件系统集成了操控显示等人机交互界面和螺纹缺陷检测算法。整套装置首先由机械部分带动相机跟随钻杆生产线运动，拍摄多张螺纹区域图片，并将拍摄的图片上传至上位机。然后上位机的软件系统使用本项目设计优化的缺陷检测算法对采集的图片进行缺陷检测，并使用 GPU 卡加速计算。最后检测完成后，机械运动系统将依照缺陷检测结果对当前检测管进行缺陷标识。

二、技术特点及技术指标：

国内外当前没有针对钻杆螺纹缺陷检测研发的设备，并且当前的螺纹参数检测设备依旧是采用传统的技术手段，如射线、涡流、磁漏、超声波等，易受现场环境的影响，泛化性能低，且安装复杂，成本高，无法满足工业现场实际应用的标准。本项目采用基于视觉深度学习的检测方法，检测精度高，适用范围广，并且易于部署，能够有效解决车间现场钻杆螺纹缺陷检测难的问题，最终实现替代人工，推动工厂自动化、智能化的目标。

三、应用领域：

当前该装置已经在东营胜利油田旗下某油管厂成功试运行，替代人工完成部分的钻杆螺纹缺陷检测任务。后续将逐步替代人工，并以胜利油田为基点，面向钻杆螺纹缺陷检测领域向全国各大油田推广，推动工厂自动化、智能化发展。

四、投入需求：

此螺纹缺陷检测装置包括机械运动系统和软硬件控制检测系统，需要场地来生产、组装、调试设备，例如独立空旷的车间。另外，本项目开发的基于深度学习的缺陷检测算法需要采集大量的缺陷图像，需要利用高性能 GPU 图形处理卡对缺陷检测模型进行训练和优化。因此本项目需要资金购买 GPU 图形卡和相关的机械、硬件设备以及较空旷的场地来调试运行检测设备。