基于深度学习的发电站制冷水管焊缝图像检测

针对发电站制冷管射线图像的焊缝区域对比度较低、特征不明显,传统方法难以实现精确搜索的问题,提出一种基于深度学习的发电站制冷水管焊缝区域搜索方法。利用限制对比度的自适应直方图均衡化限制图像统计直方图的幅度,抑制噪声放大,得到直方图的累积分布函数,以校正图像的低对比度;利用深度神经网络的24个卷积层提取输入图像的特征、2个全连接层预测图像位置和类别概率,实现水冷壁管焊缝区域的检测,以克服传统模板匹配精度低、时间复杂度高的问题。对100张制冷管射线图片按4∶1∶5分为训练集、验证集和测试集,利用训练集和验证集对深度神经网络进行训练,将图像送进训练好的模型,预测制冷管焊缝区域的位置。试验结果表明,基于深度学习的焊缝区域搜索方法可以实现焊缝的精确搜索,准确率达到96%,搜索效率及准确度高。

基于视觉特征提取算法的超临界通流特性评估

为判断焊瘤对超临界机组金属管道液体流通的阻碍程度,提出了基于逆透视变换的管道通流能力分析算法。该算法设计语义分割网络从整张金属管道射线检测图片中提取焊缝投影;通过二维图像滤波和最小二乘椭圆拟合方法从焊缝投影中提取通流面投影;选取特征点计算单应性矩阵,通过逆透视变换还原投影前通流面形状;在通流面中使用最大熵阈值分割方法提取焊瘤边界,计算瘤径比,分析焊瘤影响。实验结果表明:算法可以根据射线检测图片精确评估焊瘤对管道流通能力的影响,为实现焊瘤检测自动化提供了有效的解决途径。