[发明专利]一种板式换热器内气泡的目标检测方法

说明书

本发明公开了一种板式换热器内气泡的目标检测方法，旨在解决传统检测方法检测流程复杂，计算量大，检测效果不佳的技术问题。本发明通过高速摄像机拍摄下板式换热器内两相流流动视频制作气泡数据集；利用Darknet学习框架，采用YoLov3‑tiny模型，通过迁移学习冻结全连接层前的参数，利用该模型作为特征提取器；把场景中目标检测问题作为目标的回归预测问题；增设改进三帧差法，提高其识别率；利用IoU分数筛选算法去除重复的候选框，从而得到最终检测结果。本发明在使用迁移学习后图像特征的计算量减小、检测流程精简、检测速度快、网络的识别精度提高、检测结果也更加全面。

技术领域

本发明涉及目标信息检测技术领域，具体涉及板式换热器内气泡的目标检测方法。

背景技术

近年来随着人们对节约能源和环境保护的需求日益增高，如何提升换热设备的换热效率成为人们关注的重点问题。两相流的状态对换热器的换热性能有很大的影响，因此对换热器内两相流的可视化研究变得十分重要。

气泡目标检测作为研究两相流流动的一项关键技术，长期以来广泛受到国内外学者的关注。目标检测技术是计算机视觉领域的一个重要成分，利用目标检测方法能够实现流道内两相流的可视化，便于进一步挖掘其中数据。

国内外学者利用传统图像处理技术结合机器学习方法进行了许多尝试，传统的目标识别检测方法如HOG(histogram of oriented gradient)结合SVM(support vectormachine)算法；对气泡进行目标识别。但是这种方法的局限性在于需要手工提取特征，而且无法直接判断提取到的特征好坏对整个目标检测系统性能的影响，因此需要研究人员进行深入研究，才能设计出鲁棒性强的特征。而且上述的传统方法对技术人员的经验要求极高，而且计算量十分巨大，操作流程复杂。

另外，也有学者使用深度学习方法进行气泡目标检测，使用卷积神经网络结合滑动窗口方法来检测图片中的气泡，这种方法相较于前者在特征提取方面有所改善，但是滑动窗口方法计算量巨大，检测速度很慢。

发明内容

本发明的目的是提供一种板式换热器内气泡的目标检测方法，可以解决上述技术问题中的一个或是多个。

为了达到上述目的，本发明提出的技术方案如下：

一种板式换热器内气泡的目标检测方法：包括如下步骤：

S1、利用高速摄像机获得板式换热器内两相流流动气泡图片数据集；

S2、利用S1中的图片数据集搭建卷积神经网络框架并确定特征提取器，以减少特征提取的计算时间；

S3、将每一帧图片中的目标检测问题作为目标，通过将每一帧图片上的单个气泡视为正常气泡，将两个或者多个相连的气泡视为非正常气泡，从而将类别个数C设置为2，因此滤波器的个数F＝(C+5)×3即21，在卷积神经网络框架中将图片中的目标检测分类问题转换为回归预测问题；

S4、采用改进的三帧差法，提高S1中的待检测图片的识别率；

S5、利用IoU分数筛选算法、对比S3、S4中的输出结果，进而去除对比结果中重复的候选框，从而得到最终检测结果。

与传统的手工提取特征相比，在本发明中采用设立特征提取模型；降低了特征提取的难度，减少了计算时间；并且通过将目标检测问题作为目标、转化为回归预测问题；大大的降低了计算量，提高检测速度。

进一步的，所述步骤S1中图片数据集的获取是通过如下步骤：

S11使用高速摄像机拍摄板式换热器内两相流流动视频；

S12将视频分解为单帧图片；

S13将上一步中的单帧图片制作成气泡数据集。