【技术实现步骤摘要】
本专利技术涉及锅炉，具体涉及一种锅炉受热面腐蚀检测方法。
技术介绍
1、火力发电机组锅炉受热面(主要是指锅炉水冷壁、过热器、再热器和省煤器)管道在高温、高压下长期运行，其外壁受到的烟气腐蚀会导致管子壁厚减薄，当被侵蚀的管道厚度在当时压力下的极限厚度时，就会发生爆管，导致机组非停，严重影响锅炉的安全运行。
2、现有技术中，常常需要对锅炉水冷壁、过热器、再热器和省煤器等受热面逐管进行外观检测，并通过超声波测厚仪检测腐蚀程度。上述人工方法存在容易遗漏腐蚀位置、检测准确性低、效率低等缺点。因此，如何能够高效率、高准确性地检测锅炉水冷壁、过热器、再热器和省煤器等受热面的腐蚀情况以及腐蚀的具体位置，以及如何降低计算量和提高计算速度，是亟需要解决的技术问题。
技术实现思路
1、为了克服上述现有技术存在的问题，本专利技术提供一种锅炉受热面腐蚀检测方法，其首先通过使用计算量较小的改进后bp神经网络对图像块是否存在腐蚀进行检测，并在某个图像块存在腐蚀时，然后将整幅图像输入训练好的改进的yolov5模型进行腐蚀检测得到整幅图像中锅炉受热面发生腐蚀的具体位置，该方法能够在提高检测准确度的情况下尽量减少计算量，同时，本申请利用gpu的并行计算来提高运算速度。
2、本申请第一方面实施例提出了一种锅炉受热面腐蚀检测方法，包括如下步骤：
3、步骤100，对锅炉受热面进行拍摄，将高清摄像机输出的原始视频传输到显卡显存内，所述显卡内的gpu对原始视频进行并行解码，以得到每帧灰度图像
4、步骤200，将第i帧灰度图像划分为n*n的图像块，得到sum个相同大小的图像块；利用gpu并行对每个图像块进行dct变换；得到每个图像块的dct变换系数矩阵；
5、步骤300，利用gpu并行将每个图像块的dct变换系数矩阵转化为(n*n)×1维的列向量，将每个列向量按顺序输入训练好的改进的bp神经网络，得到每个图像块是否存在腐蚀的判定结果，若第j个列向量对应的图像块判定结果为存在腐蚀，j∈[1,sum],则跳转至步骤400；若第i帧灰度图像所有图像块判定结果为均不存在腐蚀，令i＝i+1，返回步骤200；
6、步骤400，将第i帧灰度图像输入训练好的改进的yolov5模型进行腐蚀检测，从而得到第i帧中锅炉受热面发生腐蚀的具体位置，令i＝i+1，返回步骤200。
7、所述将每个列向量按顺序输入训练好的改进的bp神经网络，得到每个图像块是否存在腐蚀的判定结果，包括：
8、步骤310，使用训练样本集1对改进后的bp神经网络进行训练，得到训练后的改进的bp神经网络，具体过程如下：
9、设定训练终止准则：一是达到指定最大迭代次数t，二是误差函数值小于指定标准ε，三是权值改变量小于ε；
10、设定训练暂停准则：训练终止准则不满足时；
11、训练过程：
12、step1：初始化网络结构、终止和暂停准则及网络其他参数；
13、step2：开始训练，若终止准则满足训练过程结束，若训练暂停准则满足，转到step3进行剪枝；
14、step3：如果暂停准则满足，那么开始剪枝，求出最小纵向灰色关联度，利用其确定剪枝连接，若最小纵向灰色关联度<ε，则取其对应连接为输出神经元的剪枝连接，转到step4，若均不小于界定值，则转到step2，再继续训练；
15、step4：为每个剪枝连接选定相应的并枝连接利用网络横向灰色关联分析方法，计算输入值序列的网络最大横向灰色关联度，并枝连接则为其对应连接；
16、step5：剪枝连接删除，修改并枝连接的权值，采用加权平均进行权值调整，调整额定关联度ε＝ε+k，k为常数，根据具体问题选定；
17、step6：暂停剪枝过程，转到step2，继续训练；
18、step7：确定网络结构，结束训练过程。
19、步骤320，使用训练好的改进的bp神经网络分别对每个列向量进行是否发送腐蚀判定。
20、所述的将第i帧灰度图像输入训练好的改进的yolov5模型进行腐蚀检测，从而得到第i帧中锅炉受热面发生腐蚀的具体位置，具体包括如下步骤：
21、步骤410，对yolov5模型进行改进：在yolov5模型中，保留骨干特征提取网络中的普通卷积，将颈部网络中的普通特征层使用fsconv卷积替换，其中fsconv卷积具体实现方式如下：首先通过普通卷积生成高维特征，然后使用深度可分离卷积将高维特征进行变换，接着将上述两个步骤得到的两个特征进行拼接，并通过混洗操作，将不同组的特征图混洗在一起，以增强不同组之间的信息交互；对yolov5中的使用的ca注意力结构进行改进，得到改进后的ca注意力结构ica，具体实现方式为：为ca注意力添加一个分支，使用最大池化来提取这部分关键特征，并在最后与平均池化的分支合并，两分支共同作用于输出特征图，强化最终的分类和定位效果；
22、步骤420，使用训练样本集2对改进后的yolov5s模型进行训练，得到训练后的改进的yolov5模型；
23、步骤430，将第i帧灰度图像输入训练好的改进的yolov5模型进行腐蚀检测，从而得到第i帧中锅炉受热面发生腐蚀的具体位置。
24、根据本申请的一个实施例，得到锅炉受热面发生腐蚀的具体位置之后，还包括：根据图像中锅炉受热面发生腐蚀的具体位置得到锅炉受热面发生腐蚀的实际位置，并发出对锅炉受热面发生腐蚀的实际位置的管道进行测量的提醒。
25、根据本申请的一个实施例，还包括：通过超声波测厚仪检测锅炉受热面发生腐蚀的实际位置的管道的实际厚度，如果实际厚度大于等于第一预设厚度，则该锅炉受热面发生腐蚀实际位置的管道的腐蚀级别属于轻微腐蚀，不需要处理，输出“轻微腐蚀，持续关注”的提示；如果实际厚度小于第一预设厚度而大于等于第二预设厚度，则该锅炉受热面发生腐蚀实际位置的管道的腐蚀级别属于中度腐蚀，提醒运维人员优化运行控制；如果实际厚度小于第二预设厚度，则该锅炉受热面发生腐蚀实际位置的管道的腐蚀级别属于严重腐蚀，提醒运维人员进行金相组织试验、更换该锅炉受热面发生腐蚀位置的管道，以及优化运行控制；其中，第一预设厚度大于第二预设厚度。
26、通过采用上述技术方案，实现了对锅炉受热面的腐蚀检测。
27、与现有技术相比，本专利技术的有益效果是：
28、首先，对图像进行分块并将每个图像块的dct变换系数作为改进后的bp神经网络的输入，从而更好的挖掘图像的频域信息；其次，使用计算量较小的改进后bp神经网络对图像块是否存在腐蚀进行检测，并在某个图像块存在腐蚀时及时终止对后面的图像块是否腐蚀的判断，然后将整幅图像输入训练好的改进的yolov5模型进行腐蚀检测得到整幅图像中锅炉受热面发生腐蚀的具体位置，从而在提高检测准确度的情况下尽量减少计算量。需要说明的是虽然yolov5模型也会进行是否腐蚀的判断，然而本申请先使用计算量较小的本文档来自技高网...
【技术保护点】
1.一种锅炉受热面腐蚀检测方法，其特征在于，包括：
2.如权利要求1所述的锅炉受热面腐蚀检测方法，其特征在于：所述将每个列向量按顺序输入训练好的改进的BP神经网络，得到每个图像块是否存在腐蚀的判定结果，包括：
3.如权利要求2所述的锅炉受热面腐蚀检测方法，其特征在于：所述的将第i帧灰度图像输入训练好的改进的Yolov5模型进行腐蚀检测，从而得到第i帧中锅炉受热面发生腐蚀的具体位置，具体包括如下步骤：
4.如权利要求3所述的锅炉受热面腐蚀检测方法，其特征在于：得到锅炉受热面发生腐蚀的具体位置之后，还包括：根据图像中锅炉受热面发生腐蚀的具体位置得到锅炉受热面发生腐蚀的实际位置，并发出对锅炉受热面发生腐蚀的实际位置的管道进行测量的提醒。
5.如权利要求4所述的锅炉受热面腐蚀检测方法，其特征在于：还包括：通过超声波测厚仪检测锅炉受热面发生腐蚀的实际位置的管道的实际厚度，如果实际厚度大于等于第一预设厚度，则该锅炉受热面发生腐蚀实际位置的管道的腐蚀级别属于轻微腐蚀，不需要处理，输出“轻微腐蚀，持续关注”的提示；如果实际厚度小于第一预设厚度而大于
...【技术特征摘要】
1.一种锅炉受热面腐蚀检测方法，其特征在于，包括：
2.如权利要求1所述的锅炉受热面腐蚀检测方法，其特征在于：所述将每个列向量按顺序输入训练好的改进的bp神经网络，得到每个图像块是否存在腐蚀的判定结果，包括：
3.如权利要求2所述的锅炉受热面腐蚀检测方法，其特征在于：所述的将第i帧灰度图像输入训练好的改进的yolov5模型进行腐蚀检测，从而得到第i帧中锅炉受热面发生腐蚀的具体位置，具体包括如下步骤：
4.如权利要求3所述的锅炉受热面腐蚀检测方法，其特征在于：得到锅炉受热面发生腐蚀的具体位置之后，还包括：根据图像中锅炉受热面发生腐蚀的具体位置得到锅炉受热面发生腐蚀的实际位置，并发出对锅炉受热面发生腐蚀的实际位置的...
【专利技术属性】
技术研发人员：张永镇，
申请(专利权)人：郑州裕中能源有限责任公司，
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。