【技术实现步骤摘要】
本专利技术属于铝液泄漏检测的，具体涉及一种基于旋转目标检测的分流盘液位波动铝液泄漏检测方法、系统及介质。
技术介绍
1、合金具有低密度、高比强度和高断裂韧性等优点，在航空航天、海洋工程和交通运输等领域应用广泛。直接水冷(direct chill casting,dc)半连续铸造工艺是目前主流的铝合金铸造工艺，然而dc铸造工艺生产过程中极易发生结晶器拉裂漏铝、熔体溢流等事故。据统计，全国近900家铝加工(深井铸造)企业，近5年每年平均发生一起3人以上的重大安全事故，对企业造成严重的人员伤亡和经济损失。其中，铝液的泄漏是铝加工(深井铸造)的一个高风险点，当分流盘高温铝液一旦泄漏，与冷却水大面积接触时，可能会导致爆炸事件的发生。当前分流盘铝液泄漏情况判断方法存在人工经验要求高，相关智能识别方法如热成像漏铝识别技术存在视野盲区大、识别率低等问题。铝液泄漏时分流盘表面会出现明显的视觉特征如非均匀沉降、多点气泡等。因此，本专利技术依据铝液泄漏时的视觉特征，建立基于计算机视觉的分流盘铝液泄漏异常识别方法，解决当前识别方法存在的准确率低，适用性差等问题。
技术实现思路
1、本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种基于旋转目标检测的分流盘液位波动铝液泄漏检测方法、系统及介质，从过程控制的角度，针对深井爆炸前铝液泄漏情况的控制手段与管理方法展开研究，提出了基于计算机视觉的分流盘铝液泄漏检测新方法，全面分析铝液泄漏时分流盘表面的视觉特征，对铝液泄漏情况进行及时准确的检测，从事前控制的角
2、为了达到上述目的，本专利技术采用以下技术方案：
3、本专利技术的一个方面，提供了一种基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，包括下述步骤：
4、获取铝液生产时分流盘表面的视频数据集并进行多分类异常标签标注，划分为训练集和验证集；
5、基于旋转目标检测模型构建漏铝视频检测模型，并利用训练集和验证集完成漏铝视频检测模型的训练；
6、利用训练好的漏铝视频检测模型对实时采集的铝液生产时的视频进行检测，当检测出漏铝现象时发出漏铝报警信号。
7、作为优选的技术方案，所述多分类异常标签标注，具体为：
8、分流盘表面出现泄漏漩涡以及多点上浮气泡，标注为初期铝液泄漏并与水接触，即点级别的泄漏；
9、分流盘表面出现单排非均匀沉降，标注为铝液泄漏扩大，即线级别的泄漏；
10、分流盘表面出现铝液直接溢流，标注为侧方泄漏，即面级别的泄漏。
11、作为优选的技术方案，进行标注具体为：
12、以矩形框进行标注并生成对应的xml文件，所述xml文件记载矩形框的中心坐标以及该框的长、宽和旋转角度。
13、作为优选的技术方案，依据点、线、面级别的标签分别标记分流盘表面的每一排，且旋转合适的角度，使标注框与分流盘表面每一排每一个圆形流眼边界相切，且不包含其他排的部分区域。
14、作为优选的技术方案，所述旋转目标检测模型包括scrdet、r3det、yolov3_obb、yolov4_obb、yolov5_obb、yolov7_obb、yolov8_obb以及yolox_obb。
15、作为优选的技术方案，基于biformer模块对旋转目标检测模型进行改进，构建漏铝视频检测模型，具体为：
16、采用yolov5_obb神经网络作为基础模型，yolov5_obb神经网络包括输入端、骨干网络backbone、颈部网络neck和头部网络head；
17、所述输入端用于进行mosaic数据增强、自适应锚框计算以及自适应图片缩放；
18、所述骨干网络backbone引入了focus结构和csp结构，其中focus结构用于对特征图进行下采样，csp结构用于降低模型的计算复杂度和参数数量；
19、所述颈部网络neck采用fpn+pan结构，用于进一步提升目标检测的性能；
20、所述头部网络head采用基于网格的anchor，包括三个detect检测器；
21、所述biformer模块为双层路由注意力机制，具体为：将特征图划分为s*s个区域，得到每个区域的特征图，通过保留每个区域的前k个连接来修剪相关性图，得到索引矩阵，将索引矩阵中的每个q向量和特征图中非连续区域的k向量进行计算，并将k向量和v向量进行张量聚集得到聚集张量键值对；最后对聚集后的键值对进行注意力计算与局部上下文增强；
22、将biformer模块嵌入到yolov5_obb神经网络的颈部网络neck中第二个上采样层前进行全局特征提取，得到漏铝视频检测模型。
23、作为优选的技术方案，漏铝视频检测模型的训练步骤为：
24、将建立的标签数据集按照7：3的比例划分为训练集和验证集；
25、初始化漏铝视频检测模型的权重，使用预训练的coco数据集超参数；
26、将训练集和验证集输入漏铝视频检测模型中，以损失最小化为训练目标反向传播更新漏铝视频检测模型的权重和偏置；
27、设置iou阈值为0.5的平均精准度map@0.5和在不同iou阈值下的平均精准度map@[.5:.95]，所述不同阈值具体为0.5到0.95，步长为0.05；设置map@0.5与map@[.5:.95]的比例为1：9，保留每个模型训练轮次下的分类精度，并记录最优化漏铝视频检测模型的权重文件；
28、利用最佳的漏铝视频检测模型权重文件建立漏铝视频检测模型，依据实时传递的分流盘表面监控视频，在推理分析模型文件下测试实时检测效果并不断修正漏铝视频检测模型。
29、作为优选的技术方案，所述利用训练好的漏铝视频检测模型对实时采集的铝液生产时的视频进行检测，具体为：
30、在生产现场安装分流盘监控摄像头；
31、将训练好的漏铝视频检测模型设置于云端服务器中；
32、将分流盘监控摄像头采集到的视频数据实时上传至云端服务器；
33、训练好的漏铝视频检测模型在云端服务器实时读取并分析检测视频画面，当检测出漏铝现象时发出漏铝报警信号，漏铝报警信号从云端服务器传回生产现场的报警装置，实现报警流程。
34、本专利技术的另一个方面，还提供了一种基于旋转目标检测的分流盘液位波动铝液泄漏检测系统，应用于上述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，包括数据获取模块、数据标注模块、模型构建模块、模型训练模块以及模型检测模块；
35、所述数据获取模块用于获取铝液生产时分流盘表面的视频数据集；
36、所述数据标注模块用于对得到的铝液生产时分流盘表面的视频数据集进行多分类异常标签标注，划分为训练集和验证集；
37、所述模型构建模块用于根据旋转目标检测模型构建漏铝视频检测模型；
38、本文档来自技高网...
【技术保护点】
1.基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，其特征在于，所述多分类异常标签标注，具体为：
3.根据权利要求2所述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，其特征在于，进行标注具体为：
4.根据权利要求2所述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，其特征在于，依据点、线、面级别的标签分别标记分流盘表面的每一排，且旋转合适的角度，使标注框与分流盘表面每一排每一个圆形流眼边界相切，且不包含其他排的部分区域。
5.根据权利要求1所述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，其特征在于，所述旋转目标检测模型包括SCRDet、R3Det、YOLOv3_OBB、YOLOv4_OBB、YOLOv5_OBB、YOLOv7_OBB、YOLOv8_OBB以及YOLOX_OBB。
6.根据权利要求1所述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，其特征在于，基于Biformer模块对旋转目标检测
7.根据权利要求1所述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，其特征在于，漏铝视频检测模型的训练步骤为：
8.根据权利要求1所述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，其特征在于，所述利用训练好的漏铝视频检测模型对实时采集的铝液生产时的视频进行检测，具体为：
9.基于旋转目标检测的分流盘液位波动铝液泄漏检测系统，其特征在于，应用于权利要求1-8中任一项所述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，包括数据获取模块、数据标注模块、模型构建模块、模型训练模块以及模型检测模块；
10.一种存储介质，存储有程序，其特征在于：所述程序被处理器执行时，实现权利要求1-8任一项所述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法。
...【技术特征摘要】
1.基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，其特征在于，所述多分类异常标签标注，具体为：
3.根据权利要求2所述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，其特征在于，进行标注具体为：
4.根据权利要求2所述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，其特征在于，依据点、线、面级别的标签分别标记分流盘表面的每一排，且旋转合适的角度，使标注框与分流盘表面每一排每一个圆形流眼边界相切，且不包含其他排的部分区域。
5.根据权利要求1所述的基于旋转目标检测的分流盘液位波动铝液泄漏检测方法，其特征在于，所述旋转目标检测模型包括scrdet、r3det、yolov3_obb、yolov4_obb、yolov5_obb、yolov7_obb、yolov8_obb以及yolox_obb。
6....
【专利技术属性】
技术研发人员：周璇，张洪涛，闫军威，陈城，梁艳辉，蔡慧婷，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。