[发明专利]基于塑料光纤的准分布式液漏检测方法及装置、电子设备

权利要求书

1.一种基于塑料光纤的准分布式液漏检测方法，应用于一种基于塑料光纤的准分布式液漏检测系统，该系统包括依次连接的激光器、塑料光纤和相机，其特征在于，该方法包括：

步骤S11：从所述相机接收包括训练散斑图像并生成具有对应类别、采集时间和位置信息的标签，从而得到特征标签对；

步骤S12：利用所述特征标签对，对神经网络进行训练；

步骤S13：将待检测的塑料光纤设置于所述基于塑料光纤的准分布式液漏检测系统中，对该系统输出的散斑图像进行监测；

步骤S14：判断所述散斑图像是否产生突变，若是，则将所述散斑图像输入训练后的神经网络中，得到对应的液漏位置信息，从而完成准分布式液漏监测传感。

2.根据权利要求1所述的方法，其特征在于，所述步骤S11中所述的特征标签对的生成过程包括：

将设置有若干检测点的塑料光纤设置于所述基于塑料光纤的准分布式液漏检测系统中，获取系统初始状态对应的若干第零散斑图像；

对每个液漏点分别进行液漏操作，得到对应的若干第一散斑图像、第二散斑图像、……、第N散斑图像，其中N为液漏点的数量；

对每个液漏点分别吸干液漏操作后的液体，得到对应的若干第零散斑图像；

对所述第零散斑图像、第一散斑图像、第二散斑图像、……、第N散斑图像分别设置对应的标签，从而得到特征标签对，其中所述标签包括图像的类别、采集时间和位置信息。

3.根据权利要求1所述的方法，其特征在于，所述步骤S12包括：

对所述特征标签对中的所有训练散斑图像进行相同的空间采样；

将进行空间采样后的所有训练散斑图像输入所述神经网络中，进行所述神经网络的训练。

4.根据权利要求3所述的方法，其特征在于，所述空间采样为：对每个训练散斑图像，沿散斑圆周截取像素，去除背景全黑部分。

5.根据权利要求1所述的方法，其特征在于，所述神经网络包括依次连接的卷积层、批标准化层、ReLU激活层、全连接层、SoftMax激活层以及优化器。

6.根据权利要求1所述的方法，其特征在于，步骤S14中，通过散斑相关度是否发生突变来判断所述散斑图像是否产生突变，其中散斑相关度通过Pearson公式计算得到。

7.一种基于塑料光纤的准分布式液漏检测装置，应用于一种基于塑料光纤的准分布式液漏检测系统，该系统包括依次连接的激光器、塑料光纤和相机，其特征在于，该装置包括：

接收模块，用于从所述相机接收包括训练散斑图像并生成具有对应类别、采集时间和位置信息的标签，从而得到特征标签对；

训练模块，用于利用所述特征标签对，对神经网络进行训练；

监测模块，用于将待检测的塑料光纤设置于所述基于塑料光纤的准分布式液漏检测系统中，对该系统输出的散斑图像进行监测；

液漏监测模块，用于判断所述散斑图像是否产生突变，若是，则将所述散斑图像输入训练后的神经网络中，得到对应的液漏位置信息，从而完成准分布式液漏监测传感。

8.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6任一项所述的方法。

9.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如权利要求1-6中任一项所述方法的步骤。