【技术实现步骤摘要】
本专利技术属于多相流气泡检测，尤其涉及一种基于改进yolov8的多相流气泡的识别与计数方法。
技术介绍
1、多相流技术广泛应用于化工、能源、航天、石油、冶金等各个工业领域。气液两相流和气液固三相流中的气泡动力学行为，影响相间接触面积以及相间传质、传热效率，进而影响反应的速率。因此，气泡流动参数的精准检测，有助于深入了解多相流流动状况，对建立多相流理论和指导反应器的设计及放大具有重要理论意义和实用价值。
2、气泡检测方法可分为侵入式和非侵入式。侵入式和非侵入式两类方法都包括对所采集的数据进行信号分析和通过图像处理可视化，存在检测效率低和误差大的缺陷，且对检测人员的专业性有一定要求，难以实现多相流动态参数实时测量以及可视化。深度学习可高效地用于图像处理，近年来发展迅速。目前基于深度学习的目标检测算法已被用于气液两相流领域的气泡图像检测，代表性的包括基于单阶段的目标检测技术：yolo；基于双阶段的目标检测技术：faster rcnn。现有的目标检测算法在实际气泡检测应用中存在鲁棒性差、计算资源消耗大且难以满足实时性要求等问题。因此，提升气泡识别准确率和效率，以及算法轻量化成为了待解决的关键问题。
技术实现思路
1、为解决上述技术问题，本专利技术提出了一种基于改进yolov8的多相流气泡的识别与计数方法，以解决上述现有技术存在的问题。
2、为实现上述目的，本专利技术提供了一种基于改进yolov8的多相流气泡的识别与计数方法，包括以下步骤：
3、获取多相流
4、将所述多相流气泡图像数据集划分为训练集和验证集；
5、对yolov8进行改进得到改进的yolov8网络模型，并在改进的yolov8网络模型内添加计数模块，获得基于改进的yolov8的多相流气泡识别与计数模型；
6、将所述训练集输入至所述多相流气泡识别与计数模型中进行训练，得到最优气泡识别与计数模型；
7、通过所述验证集对最优气泡识别与计数模型进行性能评估，当性能评估通过时，通过所述最优气泡识别与计数模型进行多相流气泡的识别与计数。
8、优选地，所述对yolov8进行改进的方法包括：
9、将yolov8的pafpn网络替换成bifpn网络，得到特征融合模块；
10、将yolov8特征提取和融合网络中的conv模块替换成gsconv模块；
11、将yolov8特征提取和融合网络中的c2f模块替换成vovgscspc模块；
12、将pconv模块引入至yolov8的检测网络中，得到改进检测头模块。
13、优选地，所述bifpn网络的结构包括：原始输入节点和输出节点在同一层时，额外添加一条直接从原始输入节点到输出节点的边；同时将浅层特征提取图加以融合，在p3节点右侧增加节点n3与b2直接相连。
14、优选地，所述gsconv模块的工作方法包括：对输入的图像信息进行一个普通conv的下采样，在下采样后使用dwconv深度卷积增强图像信息，将普通conv下采样得到的图像信息与使用dwconv深度卷积增强图像信息结果按concat方式进行拼接，将拼接获得的图像信息进行shuffle操作。
15、优选地，所述vovgscspc模块的工作方法包括：输入的图像信息通过conv模块和gsbottlneckc模块分别依次进行conv、gsbottlneckc操作，同时输入的图像信息进行一个并行的conv操作，接着两部分输出的图像信息按concat方式拼接，最后进行conv操作；其中，所述gsbottlneckc模块包括两个gsconv模块和一个并行的dwconv模块。
16、优选地，所述pconv模块的工作方法包括：在输入通道的a部分上应用一个conv进行空间特征提取，并将剩余的通道b部分保留下来；接着对a部分应用卷积操作，然后将卷积操作得到的结果与未进行卷积的通道b部分拼接起来，得到最终输出。
17、优选地，所述获取多相流气泡图像数据集的方法包括：
18、使用ipe-多相流测量仪拍摄气液固三相流气泡图像和使用气泡生成对抗网络bubgan合成气液两相流气泡图像；
19、将三相流气泡图像和两相流气泡图像中的气泡用矩形框框出来，并标注气泡的类别名称，将标注后生成图片对应的标注文件转换成yolo格式的txt文件。
20、优选地，所述得到最优气泡识别与计数模型的方法包括：
21、将所述训练集输入所述多相流气泡识别与计数模型中进行前向传播训练，采用反向传播算法对所述多相流气泡识别与计数模型进行更新优化；并通过交叉熵损失函数和sgd优化器对改进的yolov8网络模型进行多次迭代训练，直至所述多相流气泡识别与计数模型收敛，得到最优气泡识别与计数模型。
22、优选地，所述性能评估的指标包括对气泡识别的准确率、模型的计算量和参数量大小。
23、优选地，所述计数的方法包括：在识别出气泡时为气泡分配唯一的序号，根据唯一的序号进行计数。
24、与现有技术相比，本专利技术具有如下优点和技术效果：
25、本专利技术提供了一种基于改进yolov8的多相流气泡的识别与计数方法。改进的yolov8网络模型中，通过引入加权双向特征金字塔网络bifpn，实现高层次特征融合的同时模型更轻量化；结合gsconv模块和vovgscspc模块对yolov8网络模型进行改进，降低了模型的参数量和计算复杂度；引入pconv卷积模块，通过同时减少冗余计算和内存访问可以更有效地提取空间特征；对改进的yolov8网络模型进行训练，并通过训练好的网络模型进行多相流气泡识别与计数。
26、改进的模型的气泡检测精度为0.981，模型参数量为0.987m，模型计算量为2.1g，模型的推理速度为148fps，模型权重大小为2.23mb。改进的模型和现有方法相比，气泡检测精度高，模型更轻量化便于应用，实现了多相流气泡的自动化检测，减少了人工操作的需求。
本文档来自技高网...【技术保护点】
1.一种基于改进YOLOv8的多相流气泡的识别与计数方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进YOLOv8的多相流气泡的识别与计数方法，其特征在于，
3.根据权利要求1所述的基于改进YOLOv8的多相流气泡的识别与计数方法，其特征在于，
4.根据权利要求1所述的基于改进YOLOv8的多相流气泡的识别与计数方法，其特征在于，
5.根据权利要求1所述的基于改进YOLOv8的多相流气泡的识别与计数方法，其特征在于，
6.根据权利要求1所述的基于改进YOLOv8的多相流气泡的识别与计数方法，其特征在于，
7.根据权利要求1所述的基于改进YOLOv8的多相流气泡的识别与计数方法，其特征在于，
8.根据权利要求1所述的基于改进YOLOv8的多相流气泡的识别与计数方法，其特征在于，
9.根据权利要求1所述的基于改进YOLOv8的多相流气泡的识别与计数方法，其特征在于，
【技术特征摘要】
1.一种基于改进yolov8的多相流气泡的识别与计数方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进yolov8的多相流气泡的识别与计数方法，其特征在于，
3.根据权利要求1所述的基于改进yolov8的多相流气泡的识别与计数方法，其特征在于，
4.根据权利要求1所述的基于改进yolov8的多相流气泡的识别与计数方法，其特征在于，
5.根据权利要求1所述的基于改进yolov8...
【专利技术属性】
技术研发人员：祝京旭，罗劭娟，邵媛媛，冉鑫，吴恺乔，马可颖，
申请(专利权)人：广东工业大学，
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。