基于深度学习的空预器转子红外热像网格划分

目前大型火电站锅炉广泛采用的回转式空气预热器存在积灰堵塞问题,严重时甚至会引发火灾,导致锅炉被迫停止运行。针对这一问题,文中提出一种基于红外热成像与NanoDet的空预器转子网格划分方法:首先利用红外热像仪对空预器转子进行实时监测,通过仿射变换和支持向量机对转子红外数据集进行精选和剔除,然后对转子红外图像进行高斯滤波去噪等方法进行预处理,运用深度学习轻量化模型NanoDet对精细化样本进行特征学习,使该模型能够在兼顾速度和精确度两方面实现转子田字区域匹配,最后在模板图上绘制好每个转子网格区域的编号,将这些编号仿射到所需匹配的红外图像上,实现转子网格划分,为后续积灰故障检测提供帮助。