[发明专利]水轮机蜗壳座环的制备方法及其系统

说明书

公开了一种水轮机蜗壳座环的制备方法及其系统，其采用基于深度学习的人工智能检测技术，以焊接后水轮机蜗壳座环的检测图像作为输入数据来提取出所述检测图像中聚焦于焊接区域的多个浅层隐含特征，进一步再对其进行环境去噪的图像清晰度增强处理，并利用深层特征融合的思想来进一步提取出水轮机蜗壳座环焊接区域的质量特征，以此来进行水轮机蜗壳座环表面的缺陷检测。这样，降低蜗壳座环出现裂纹的风险，优化水轮机蜗壳座环的制备过程。

技术领域

本申请涉及水轮机制备技术领域，且更为具体地，涉及一种水轮机蜗壳座环的制备方法及其系统。

技术背景

座环、蜗壳是混流式水轮机埋入部分的两大部件,它们既是机组的基础件,又是机组通流部件的组成部分,它们承受着随机组运行工况改变而变化的水压分布载荷以及从顶盖传导过来的作用力。座环一般为上、下环板和固定导叶等组成的焊接结构。蜗壳采用钢板焊接,其包角一般介于345一360范围以内。蜗壳通过与座环上、下环板的外缘上碟形边或过渡板焊接成一整体,其焊缝需要严格探伤检查,必要时还需要进行水压试验。

鉴于水轮机蜗壳座环的焊接难度大，容易出现裂纹等缺陷，若不对焊接后的水轮机蜗壳座环进行缺陷检测，会存在着安全风险，并且还将影响抽水蓄能水电站的推广，也影响我国碳达峰、碳中和的目标。目前，现有的焊接缺陷检测方案大部分都是依靠人工进行外观检测和仪器进行密封性检测，这样的检测方案不仅会浪费大量的人力物力资源，还会造成检测的结果不准确，不能很好地满足现今的水轮机蜗壳座环的焊接质量智能检测目标。

因此，期望一种水轮机蜗壳座环的制备方案，其能够对于焊接后水轮机蜗壳座环进行智能缺陷检测，以降低蜗壳座环出现裂纹的风险，提高了生成安全性。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种水轮机蜗壳座环的制备方法及其系统，其采用基于深度学习的人工智能检测技术，以焊接后水轮机蜗壳座环的检测图像作为输入数据来提取出所述检测图像中聚焦于焊接区域的多个浅层隐含特征，进一步再对其进行环境去噪的图像清晰度增强处理，并利用深层特征融合的思想来进一步提取出水轮机蜗壳座环焊接区域的质量特征，以此来进行水轮机蜗壳座环表面的缺陷检测。这样，降低蜗壳座环出现裂纹的风险，优化水轮机蜗壳座环的制备过程。

根据本申请的一个方面，提供了一种水轮机蜗壳座环的制备方法，其包括：

获取焊接后水轮机蜗壳座环的检测图像；

将所述检测图像通过焊接区域目标检测网络以得到焊接感兴趣区域；

将所述焊接感兴趣区域通过基于对抗生成网络的图像清晰度增强器以得到生成焊接感兴趣区域；

将所述生成焊接感兴趣区域通过包含深浅融合模块的卷积神经网络模型以得到分类特征图；以及

将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示焊接后水轮机蜗壳座环是否存在表面缺陷。

在上述水轮机蜗壳座环的制备方法中，所述焊接区域目标检测网络为基于锚窗的目标检测网络，所述基于锚窗的目标检测网络为Fast R-CNN、Faster R-CNN或RetinaNet。

在上述水轮机蜗壳座环的制备方法中，所述将所述检测图像通过焊接区域目标检测网络以得到焊接感兴趣区域，包括：将所述检测图像通过所述焊接区域目标检测网络的多层卷积层以得到检测特征图；以及，使用所述焊接区域目标检测网络的目标锚定层以如下公式对所述检测特征图进行处理以得到所述焊接感兴趣区域；其中，所述公式为：

Dets＝H(ψ_det,B)＝(cls(ψ_det,B)，Regr(ψ_det,B))