【技术实现步骤摘要】
本专利技术涉及水轮机转轮监测，具体而言，涉及一种混流式水轮机转轮裂纹及气蚀缺陷识别方法。
技术介绍
1、水轮机转轮作为水力发电机组的重要组成部分，其性能和可靠性直接影响整个发电系统的运行。在水电机组运行过程中，水轮机转轮叶片常常受到多种不稳定因素的影响，包括水流的瞬态作用力、水流中固体颗粒的冲蚀以及转轮在不稳定工况下的运行等。这些复杂的工况和外界环境，容易引起转轮叶片产生裂纹和气蚀等缺陷。这些缺陷不仅会降低机组的发电效率，还会对机组的安全性和长期可靠性构成严重威胁。传统的水轮机转轮缺陷检测方法主要依赖人工目测，但这种方法在精度、效率和安全方面存在显著不足。因此，如何有效、精准地检测水轮机转轮叶片的裂纹和气蚀缺陷，成为当前亟待解决的重要问题。
2、随着科学技术，尤其是计算机视觉和深度学习技术的快速发展，基于图像处理和深度学习的方法正在逐渐应用于工业缺陷检测领域。这些方法不仅能够提取细微的缺陷特征，还能够有效地处理复杂背景，提高检测的准确性和效率。
技术实现思路
1、本专利技术旨在提供一种混流式水轮机转轮裂纹及气蚀缺陷识别方法，以采用计算机视觉和深度学习技术，对水轮机转轮的表面缺陷进行精准的检测。
2、本专利技术提供的一种混流式水轮机转轮裂纹及气蚀缺陷识别方法，包括如下步骤：
3、采集水轮机转轮正常图像、裂纹图像及气蚀图像，并利用图像增强技术进行处理，生成水轮机转轮图像数据集；
4、构建基于改进yolov8的水轮机转轮裂纹及气蚀缺陷识别网
5、训练基于改进yolov8的水轮机转轮裂纹及气蚀缺陷识别网络模型；
6、利用训练好的水轮机转轮裂纹及气蚀缺陷识别网络模型对水轮机转轮缺陷进行检测。
7、在一些实施例中，所述利用图像增强技术进行处理包括：
8、对采集的水轮机转轮正常图像、裂纹图像及气蚀图像，利用图像裁剪、图像翻转、图像模糊等图像增强技术进行处理，以扩充图像数据；
9、利用标注工具对每张图像进行标注，使得每张图像都有对应的标签文件，最终生成图像处理后的水轮机转轮图像数据集。
10、在一些实施例中，所述水轮机转轮图像数据集按照一定比例划分为训练集、验证集和测试集。
11、在一些实施例中，所述基于改进yolov8的水轮机转轮裂纹及气蚀缺陷识别网络模型包括骨干网络backbone、颈部网络neck和头部网络head。
12、在一些实施例中，所述骨干网络backbone包括5个conv模块、4个c2f模块和1个sppcspc+simam模块，其连接关系为：第一conv模块依次经4个特征提取阶段连接sppcspc+simam模块；
13、所述4个特征提取阶段分别为第一特征提取阶段、第二特征提取阶段、第三特征提取阶段、第四特征提取阶段；所述第一特征提取阶段包括第二conv模块和第一c2f模块、所述第二特征提取阶段包括第三conv模块和第二c2f模块、所述第三特征提取阶段包括第四conv模块和第三c2f模块、所述第四特征提取阶段包括第五conv模块和第四c2f模块。
14、在一些实施例中，所述sppcspc+simam模块的结构为：输入端一方面依次连接第六conv模块、第一simam模块、maxpool层、第一concat模块、第七conv模块、第八conv模块、第二simam模块、第二concat模块和第九conv模块，另一方面经第十conv模块连接第二simam模块。
15、在一些实施例中，所述颈部网络neck包括3个conv模块、6个c2f模块、3个unsample模块、6个concat模块和4个gam模块，其连接关系依次为：第一unsample模块依次连接第三concat模块、第五c2f模块、第二unsample模块、第四concat模块、第六c2f模块、第一gam模块、第三unsample模块、第五concat模块、第七c2f模块、第二gam模块、第十一conv模块、第六concat模块、第八c2f模块、第三gam模块、第十二conv模块、第七concat模块、第九c2f模块、第四gam模块、第十三conv模块、第八concat模块、第十c2f模块；其中，第五c2f模块连接第七concat模块，第一gam模块连接第六concat模块，第三concat模块连接骨干网络backbone的第三c2f模块，第四concat模块连接骨干网络backbone的第二c2f模块，第五concat模块连接骨干网络backbone的第一c2f模块。
16、在一些实施例中，所述头部网络head包括4个detect模块，分别是第一detect模块、第二detect模块、第三detect模块和第四detect模块，其连接关系为；第一detect模块连接颈部网络neck的第二gam模块，第二detect模块连接颈部网络neck的第三gam模块，第三detect模块连接颈部网络neck的第四gam模块，第四detect模块连接颈部网络neck的第十c2f模块。
17、在一些实施例中，采用mpdiou损失函数训练基于改进yolov8的水轮机转轮裂纹及气蚀缺陷识别网络模型。
18、在一些实施例中，所述mpdiou损失函数表示为：
19、loss＝1-mpdiou (1)
20、
21、
22、式(1)-式(6)中，和分别表示真实标注边界框和预测边界框的中心点坐标，wgt和hgt表示真实标注边界框的宽度和高度，wprd和hprd表示预测框的宽和高。
23、综上所述，本专利技术采用计算机视觉和深度学习技术，能够精准地检测水轮机转轮叶片的裂纹和气蚀缺陷。其具体还有如下改进和优势：
24、1、因采集水轮机转轮图像中含有缺陷区域的图像占比较少，若直接拿原始数据进行训练，可能会存在模型欠拟合的情况，故先对采集的缺陷图像利用图像裁剪、图像翻转、图像模糊等图像增强技术对原始数据进行扩充，将处理后的图像作为训练数据集。构建基于改进yolov8的水轮机转轮裂纹及气蚀缺陷识别网络模型，训练并生成基于改进yolov8的水轮机转轮裂纹及气蚀缺陷识别网络模型，用于检测水轮机转轮的缺陷。本专利技术所提出的方法对水轮机转轮缺陷检测具有较高的精度。
25、2、采用的是基于改进yolov8的水轮机转轮裂纹及气蚀缺陷识别网络模型，改进之处在于：(1)在yolov8网络的骨干网络中增加1个sppcspc+simam模块，以减少特征损失；(2)在yolov8网络的颈部网络中引入gam模块，以提高模型的表达能力；(3)在yolov8网络的头部网络中增加1个高分辨率检测头，以增强模型检测微小目标的能力；(4)将yolov8网络原有的ciou替换成mpdiou作为新的损失函数，以提高收敛速度和回归精度。
本文档来自技高网...【技术保护点】
1.一种混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述利用图像增强技术进行处理包括：
3.根据权利要求1所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述水轮机转轮图像数据集按照一定比例划分为训练集、验证集和测试集。
4.根据权利要求1所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述基于改进YOLOv8的水轮机转轮裂纹及气蚀缺陷识别网络模型包括骨干网络Backbone、颈部网络Neck和头部网络Head。
5.根据权利要求4所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述骨干网络Backbone包括5个Conv模块、4个C2f模块和1个SPPCSPC+SimAM模块，其连接关系为：第一Conv模块依次经4个特征提取阶段连接SPPCSPC+SimAM模块；
6.根据权利要求5所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述SPPCSPC+SimAM模块的结构为：输入端一
7.根据权利要求5所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述颈部网络Neck包括3个Conv模块、6个C2f模块、3个UnSample模块、6个ConCat模块和4个GAM模块，其连接关系依次为：第一UnSample模块依次连接第三ConCat模块、第五C2f模块、第二UnSample模块、第四ConCat模块、第六C2f模块、第一GAM模块、第三UnSample模块、第五ConCat模块、第七C2f模块、第二GAM模块、第十一Conv模块、第六ConCat模块、第八C2f模块、第三GAM模块、第十二Conv模块、第七ConCat模块、第九C2f模块、第四GAM模块、第十三Conv模块、第八ConCat模块、第十C2f模块；其中，第五C2f模块连接第七ConCat模块，第一GAM模块连接第六ConCat模块，第三ConCat模块连接骨干网络Backbone的第三C2f模块，第四ConCat模块连接骨干网络Backbone的第二C2f模块，第五ConCat模块连接骨干网络Backbone的第一C2f模块。
8.根据权利要求7所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述头部网络Head包括4个Detect模块，分别是第一Detect模块、第二Detect模块、第三Detect模块和第四Detect模块，其连接关系为；第一Detect模块连接颈部网络Neck的第二GAM模块，第二Detect模块连接颈部网络Neck的第三GAM模块，第三Detect模块连接颈部网络Neck的第四GAM模块，第四Detect模块连接颈部网络Neck的第十C2f模块。
9.根据权利要求1所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，采用MPDIoU损失函数训练基于改进YOLOv8的水轮机转轮裂纹及气蚀缺陷识别网络模型。
10.根据权利要求9所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述MPDIoU损失函数表示为：
...【技术特征摘要】
1.一种混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述利用图像增强技术进行处理包括：
3.根据权利要求1所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述水轮机转轮图像数据集按照一定比例划分为训练集、验证集和测试集。
4.根据权利要求1所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述基于改进yolov8的水轮机转轮裂纹及气蚀缺陷识别网络模型包括骨干网络backbone、颈部网络neck和头部网络head。
5.根据权利要求4所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述骨干网络backbone包括5个conv模块、4个c2f模块和1个sppcspc+simam模块，其连接关系为：第一conv模块依次经4个特征提取阶段连接sppcspc+simam模块；
6.根据权利要求5所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述sppcspc+simam模块的结构为：输入端一方面依次连接第六conv模块、第一simam模块、maxpool层、第一concat模块、第七conv模块、第八conv模块、第二simam模块、第二concat模块和第九conv模块，另一方面经第十conv模块连接第二simam模块。
7.根据权利要求5所述的混流式水轮机转轮裂纹及气蚀缺陷识别方法，其特征在于，所述颈部网络neck包括3个conv模块、6个c2f模块、3个unsample模块、6个concat模块和4个gam模块，其连接关系依次为：第一unsample...
【专利技术属性】
技术研发人员：姬升阳，鹿明明，曾广栋，邱威，周林，罗前林，张谷雄，魏学锋，段韦，
申请(专利权)人：三峡金沙江川云水电开发有限公司，
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。