[发明专利]一种蒸汽发生器二次侧传热管管间异物自动识别方法

权利要求书

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

步骤S1：拍摄传热管管间图像，将图像分为有异物和无异物两类，并添加标签制作成有无异物的数据集，增强数据使图像多样化，使数据集样本数量更多；

步骤S2：搭建合适的卷积神经网络模型，输入S1步骤中制作的有无异物数据集进行模型训练，根据训练效果完善卷积神经网络的参数，完成模型训练；

步骤S3：输入待检测图像，S2中训练好的卷积神经网络模型通过网络前向计算得到该图像有无异物的概率值，根据概率值输出异物有无的结果。

2.根据权利要求1所述的蒸汽发生器二次侧传热管管间异物自动识别方法，其特征在于，所述步骤S1具体包括如下步骤：

步骤S11：获取图像数据；

步骤S12：定义一个预处理函数对数据进行预处理；

步骤S13：对训练集当中的图片进行数据增强；

步骤S14：创建输入管道。

3.根据权利要求2所述的蒸汽发生器二次侧传热管管间异物自动识别方法，其特征在于，所述步骤S11中，在简易模拟体上布置不同种类异物，并操作内窥镜获取不同角度下各类异物的图像，人工选择合适的异物图像并对其进行分类，并分别保存在不同的文件夹内。

4.根据权利要求2所述的蒸汽发生器二次侧传热管管间异物自动识别方法，其特征在于，所述步骤S12中，图像预处理流程包括读取图像路径、解码、对图像进行resize、数据类型转换以及归一化。

5.根据权利要求2所述的蒸汽发生器二次侧传热管管间异物自动识别方法，其特征在于，所述步骤S13中，在进行图片的数据增强时，对图像进行翻转、裁剪、灰度变化、对比度变化以及颜色变化以生成新的训练集。

6.根据权利要求2所述的蒸汽发生器二次侧传热管管间异物自动识别方法，其特征在于，所述步骤S14包括：

步骤S141：获得tensorFlow训练所需要的数据集；

步骤S142：设置BATCH_SIZE参数以及对数据集进行乱序和重复操作；

步骤S143：对训练数据集进行随机混洗，同时使用Repeat()函数，使得数据集能够为网络持续提供数据直到训练完成。

7.根据权利要求1所述的蒸汽发生器二次侧传热管管间异物自动识别方法，其特征在于，所述步骤S2具体包括如下步骤：

步骤S21：搭建神经网络；

步骤S22：使用model.compile()函数方法对模型进行编译；

步骤S23：在编译好的模型之中填入数据，执行训练过程；

步骤S24：通过观察模型训练的Epoch-Loss和Epoch-Accuracy曲线判别该模型的训练效果。

8.根据权利要求7所述的蒸汽发生器二次侧传热管管间异物自动识别方法，其特征在于，所述步骤S24中，当测试集和训练集的Epoch-Loss曲线收敛于0，Epoch-Accuracy收敛于1，且两者相差不大时训练效果最佳。