[发明专利]液体火箭发动机燃烧尾焰检测方法

说明书

本发明公开了液体火箭发动机燃烧尾焰检测方法，包括以下步骤：步骤一，搭建检测环境；步骤二，获取液体火箭发动机燃烧尾焰数据集；步骤三，模型训练；步骤四，检测识别液体火箭发动机燃烧尾焰；相较于基于手动特征提取的火焰检测方法，本发明以YOLOv5目标检测模型作为检测主干对液体火箭发动机在燃烧时产生的尾焰进行检测识别，采用数据驱动的方式利用已经搭建好的网络模型自动地去学习火焰更加本质的特征，适用于不同推力型号和不同拍摄角度下液体火箭发动机燃烧尾焰的检测需求，同时本发明采用SiamMask目标跟踪模型进行火焰跟踪，解决了检测过程中的丢帧和抖动问题，所使用的方法具有更高的检测精度、更强的稳定性和优良的迁移性。

技术领域

本发明涉及计算机技术领域，具体为液体火箭发动机燃烧尾焰检测方法。

背景技术

对于液体火箭发动机在燃烧时产生的尾焰的检测识别，可以将其抽象成是基于图像的对火焰目标检测识别的应用。近年来随着数字图像处理技术和计算机视觉技术的不断发展，基于图像的火焰检测技术也得到了越来越多的关注。由于火焰具有复杂多变的特征表达，不同的燃烧源在不同的燃烧场景下所产生的火焰的特征不尽相同，不同推力型号的液体火箭发动机在不同的拍摄角度下采集所得到的图像中，燃烧尾焰图像的特征也存在较大差异。

在现有技术中，采用基于手动特征提取的火焰检测方法，虽然可以对在某一拍摄角度下采集所得到的燃烧尾焰图像的特征进行人工建模，但是实践证明，这样人工建模得到的模型无法适用于不同的推力型号以及不同的拍摄角度下采集的燃烧尾焰图像，因而难以满足实际应用需求，并且人工建模的过程较为复杂，存在火焰检测准确率低、误检率高的问题。导致这些问题的主要原因在于手动火焰特征提取建模的方法无法准确地描述火焰更加本质的特征，不光建模过程复杂，模型的迁移性也较差，同时火焰检测的速率也无法满足实际应用的实时性要求，尤其是当应用于大场合、高分辨率的场景中，难以在检测精度、检测速度和鲁棒性上达到平衡。

发明内容

本发明的目的在于提供液体火箭发动机燃烧尾焰检测方法，以解决上述背景技术中提出的基于手动特征提取的火焰检测方法所存在的建模复杂、检测精度低、模型迁移性差等问题。

为实现上述目的，本发明提供如下技术方案：液体火箭发动机燃烧尾焰检测方法，包括以下步骤：步骤一，搭建检测环境；步骤二，获取液体火箭发动机燃烧尾焰数据集；步骤三，模型训练；步骤四，检测识别液体火箭发动机燃烧尾焰；

其中在上述步骤一中，首先搭建YOLOv5目标检测环境，安装YOLOv5运行所需的各种依赖包，以YOLOv5目标检测模型作为检测主干；

其中在上述步骤二中，将推力为200-10000N的液体火箭发动机在三种拍摄角度下的试验视频进行整理，选取在5s额定工况稳态下的试验视频作为数据集，在每5帧抽取1帧，其中70％的数据用作训练集，30％的数据用作验证集，然后使用labelimg对图像中的燃烧尾焰区域进行标注；

其中在上述步骤三中，选取yolov5l.pt模型作为基础模型，在制作并标注好的液体火箭发动机燃烧尾焰数据集上进行模型训练，得到YOLOv5目标检测模型；

其中在上述步骤四中，将SiamMask目标跟踪模型与步骤三中得到的YOLOv5目标检测模型相结合，检测识别液体火箭发动机燃烧尾焰。

优选的，所述步骤一中，检测主干还包括但不限于SSD检测模型和R-CNN检测模型。

优选的，所述步骤二中，使用labelimg标注图片具体过程为：首先建立主文件架，并在主文件夹中建立images子文件夹和labels子文件夹，并将待标注图片放置在images子文件夹中，然后启动labelimg，将标记模式改为yolo，选择待images子文件夹，打开待标注的图片，通过鼠标拖拽框选对燃烧尾焰进行标注，标注完成后，得到txt格式的标签，并自动存储至labels子文件夹，最后在主文件架中建立yaml文件，文件中的train和val为图片文件夹的目录，nc为识别物体的种类数目，names为种类名称。