[发明专利]一种锅炉水冷壁管缺陷识别系统、方法和存储介质

说明书

本发明公开了一种锅炉水冷壁管缺陷识别系统、方法和存储介质，采用网络模型进行检测并输出缺陷位置和缺陷类别；网络模型包括主干网络和下游检测网络，主干网络包括特征提取网络和复合特征金字塔，复合特征金字塔包括特征拼接层、第一特征金字塔、第二特征金字塔和自适应细化模块，特征拼接层用于将第一特征金字塔、第二特征金字塔的同尺度特征信息融合并生成多项融合特征金字塔；所述第一特征金字塔通过全局平均池化层与S型生长曲线函数层连接，特征相乘层用于将多项融合特征金字塔和特征细化信息相结合，最后通过特征相加层得到复合特征金字塔。本发明解决了传统特征金字塔语义冲突和上下文信息缺失的问题，增强了模型多尺度性和表达能力。

技术领域

本发明属于目标检测的技术领域，具体涉及一种锅炉水冷壁管缺陷识别系统、方法和存储介质。

背景技术

随着国家的经济不断发展，我国国民的生活变得更加便利。电力是保障我国国民生计的主要动能来源，有着不可替代的作用，其中火力发电是电力产出的主力军。锅炉机组是火力发电的基础生产设备，迄今为止，水冷壁管失效是锅炉机组故障中占比最大的事故，这会给国家和企业带来经济损失和安全问题，因此，如何智能地进行水冷壁管检测是企业努力解决的问题。

锅炉水冷壁管缺陷识别包含缺陷检测和缺陷分类，水冷壁管长时间处于高温、水蒸气等极端环境下，结焦、磨损、腐蚀等缺陷会使水冷壁管爆管，引起事故。锅炉水冷壁管缺陷识别可以分为传统方法和人工智能方法。传统方法可分为人工抽查和基于传统图像处理的检测方法，人工抽查是通过人眼及标尺测量等主观方法进行缺陷识别，但因工作人员不能长时间处于高压、高温等危险环境下，导致效率低、检测精度低等问题。而基于传统图像处理的方法是通过滑动窗口移动，不断提取目标的人工特征进行定位识别。还有部分技术将多种缺陷检测技术集成到统一系统中运行，如超声检测技术、脉冲涡流检测技术等复合缺陷识别技术，这类方法检测特征单一，无法适应多种类型的缺陷。而且复合技术需要高效率的集成技术，不能适配各种平台，造成部署成本升高。人工智能方法是指基于深度学习的缺陷检测方法，通过深层深度神经网络提取目标的特征，保证了特征的多样性和丰富的语义性，能使算法适应复杂环境，得到令人满意的识别效果。

目前，大多数水冷壁管缺陷识别方法采用特征金字塔的技术解决目标多尺度问题，但是多数的特征金字塔仅通过不同尺度的相邻层之间进行插值和求和来提高特征的多尺度性，因相邻层的特征存在语义和分辨率上的差异，将会引入大量冗余的、错误的特征信息，导致检测性能差。并且这些特征金字塔没有对上下文信息的处理，会造成模型在复杂环境下检测精度降低，已有的方法存在检测精度低和泛化性较差的问题。因此，急需一种适用于高精度、易部署的锅炉水冷壁管缺陷识别方法，能部署在对应的平台上，准确地对无人机设备采集的视频数据进行检测识别，将结果可视化给工作人员，起到预警的效果。

发明内容

本发明的目的在于提供一种锅炉水冷壁管缺陷识别系统、方法和存储介质，旨在解决上述问题。本发明将全局特征和局部特征融合构成新型的特征金字塔，解决了语义冲突和上下文信息缺失等问题，从而达到增强模型多尺度性和表达能力的目的。本发明通过构建复合特征金字塔提高网络模型对微小目标的检测能力，并且使用自适应细化模块去除特征信息中冗余的干扰因素，提高模型的目标特征表达能力，能高效地检测识别管上的缺陷，方便后续及时可视化给相关工作人员处理。

本发明主要通过以下技术方案实现：

一种锅炉水冷壁管缺陷识别系统，包括数据采集模块、训练模块、检测模块，所述数据采集模块用于收集锅炉水冷壁管图像数据，并对图像数据中的缺陷进行定位标注和类别标注，形成训练集；所述训练模块用于采用训练集训练网络模型，所述检测模块用于将待检测图片输入训练后的网络模型并输出锅炉水冷壁管缺陷识别结果；