压力容器表面缺陷检测是定期检验的首要环节。TSG 21-2016要求检验人员对容器内外表面进行100%宏观检查，重点排查裂纹、腐蚀、变形、咬边等缺陷。然而，一台大型球罐内表面积超过300平方米，检验人员在受限空间内使用手电筒和放大镜逐寸检查，耗时长、劳动强度大，且受人为因素影响显著——统计显示，人工目视检测对裂纹的漏检率约为15%至25%。
计算机视觉检测系统的构成
基于深度学习的计算机视觉表面缺陷检测系统由图像采集模块、缺陷识别模块和报告生成模块三部分组成。图像采集模块采用工业级高分辨率相机（2000万像素以上）配合环形LED光源，检验人员通过伸缩杆或爬壁机器人在容器表面移动拍摄，单次拍摄覆盖面积约0.25平方米，图像分辨率达到0.1mm/像素。对于球罐等大型容器，一台2000m³球罐需要拍摄约1200张照片。
缺陷识别模块运行YOLOv8（You Only Look Once）目标检测模型，对采集的图像进行实时分析。模型训练数据集包含超过8万张标注图像，覆盖裂纹、点蚀、均匀腐蚀、机械损伤、焊接咬边、弧坑等6类常见表面缺陷。数据增强方面，采用随机旋转、亮度调整、模糊和噪声叠加等方法扩充训练样本，提升模型在不同光照和表面状态下的鲁棒性。
检测性能与实际验证
某检验机构在2024年对该系统进行了对比验证：选取50台已完成检验的压力容器，其中30台存在不同类型表面缺陷共142处。由3名持证检验师分别进行传统目视检测和使用视觉辅助系统检测，对比结果如下：传统目视检测的缺陷检出率为82.4%（117/142），平均耗时4.5小时/台；视觉辅助系统检出率为94.6%（134/142），其中裂纹类缺陷检出率达97.1%，平均耗时1.8小时/台（含拍摄和系统分析）。
系统漏检的8处缺陷中，5处为深度小于0.3mm的轻微表面划伤（不影响安全使用），2处位于接管内角等拍摄盲区，1处为被保温层残留物覆盖的点蚀。误报主要来自表面划痕和油漆剥落，约占总报警数的8%，检验师在复核时可快速排除。
三维重建与缺陷测量
除了二维缺陷识别，最新系统还集成了结构光三维重建功能。通过从不同角度拍摄同一区域并重建表面三维形貌，系统可以自动测量缺陷的长度、宽度和深度，测量精度达到±0.2mm。对于裂纹类缺陷，系统还能自动绘制裂纹走向图，计算裂纹长度和分支数量，为后续无损检测和安全评定提供精确数据。
在腐蚀评估方面，系统通过三维点云数据计算腐蚀区域的剩余壁厚分布和腐蚀减薄量，结合GB/T 30579《压力容器损伤模式识别》的评估准则，自动给出腐蚀等级评定和监控/修复建议。与传统超声波测厚相比，视觉方法可以获得面状数据而非离散测点，更容易发现局部腐蚀坑。
局限性与应用建议
计算机视觉检测不能完全替代检验人员。首先，系统只能检测表面可见缺陷，无法发现内部埋藏缺陷，仍需配合射线、超声等无损检测方法。其次，表面状态对识别效果影响较大，严重锈蚀、油污和保温层残留物会降低图像质量，检测前必须进行表面清理。第三，接管内角、法兰背面等几何复杂区域存在拍摄盲区，需要人工补充检查。
建议检验机构将计算机视觉系统作为检验师的辅助工具，采用"AI初筛+人工复核"的工作模式：系统完成全表面扫描并标注疑似缺陷位置，检验师重点复核这些区域，同时对系统未覆盖的盲区进行手工检查。这样可以大幅提高检验效率和覆盖率，同时保证检测可靠性。
从投资角度，一套视觉检测系统（含相机、光源、平板终端和软件授权）的费用约15万至30万元，对于年检验量超过200台的检验机构，投资回收期约1至2年。系统生成的缺陷位置图和尺寸数据可直接导入检验报告，减少了检验师的文字工作量。
容器圈（www.rongqiquan.com）致力于推动压力容器检验检测的数字化和智能化，分享AI视觉检测、自动化无损检测等新技术的应用成果。关注容器圈，获取更多智能检验技术动态，也可访问www.cheermore.cn。