[发明专利]一种蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法

权利要求书

1.一种蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法，其特征在于，包括如下步骤：

步骤S1：拍摄传热管管间图像，打开图像，通过点选圈出泥渣厚度区域，完成泥渣厚度数据集制作；

步骤S2：搭建基于全卷积神经网络的语义分割模型；

步骤S3：确认损失函数；

步骤S4：输入S1步骤中制作的数据集进行模型训练，采用Adam优化器和Ploy学习率调整策略训练网络模型；

步骤S5：根据图像处理算法得到泥渣区域的面积高度参数以及传热管管间间隙的像素距离，以此评估泥渣厚度；

步骤S6：得到泥渣厚度轮廓信息和传热管间隙轮廓信息，计算泥渣厚度。

2.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法，其特征在于，所述步骤S1中，采用labelme工具制作数据集标签。

3.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法，其特征在于，所述步骤S2中，所述语义分割模型包括泥渣厚度语义分割模型和传热管间隙语义分割模型。

4.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法，其特征在于，所述步骤S2中，搭建基于全卷积神经网络的语义分割模型架构，网络输入为512x512x3的RGB三通道彩色图像，网络输出为512x512的概率分布。

5.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法，其特征在于，所述步骤S3中，采用二分类交叉熵损失函数，网络输出结果，范围在0～1之间，大于0.5为前景，小于0.5为背景。

6.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法，其特征在于，所述步骤S4通过细调网络参数，使训练集和测试集的损失值均接近于0，解决过拟合现象，增强模型的泛化能力。

7.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法，其特征在于，所述步骤S5具体包括如下步骤：

步骤S51：输入待检测图像，将输入图片转化为模型所需数据类型，通过模型计算输出一张概率图，利用阈值法，将大于0.5的概率标记为正类，将小于0.5的标记为背景类；

步骤S52：使用网络模型对待检测图片进行预测，将原图与预测结果图进行叠加，得到最终效果图；

步骤S53：通过opencv视觉库中的函数计算出预测的泥渣厚度区域的面积、高度参数，以评估泥渣厚度。

8.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法，其特征在于，所述步骤S6中轮廓信息不包括任何干扰，能得到泥渣厚度的像素距离和传热管间隙的像素距离。