【技術實現步驟摘要】
本專利技術涉及火車輪設備工裝領域，具體來說是一種環形加熱爐水封刀智能化檢查方法。
技術介紹
1、環形加熱爐的水封系統包含水封刀、水封槽和介質水用于隔離加熱爐內和爐外氣體，減少熱量散失。水封刀長期處于高溫環境且浸泡于水中，使用一段時間后容易變形或者銹蝕破損。如果水封刀出現變形和破損就不能很好地隔絕爐內和爐外氣體，進而造成加熱爐能源效率降低，甚至因為co氣體泄露造成安全隱患。所以需要對水封刀的表面異常情況進行檢測。
2、現有技術針對水封刀的異常檢測沒有明確的自動檢測方案，一般方法是通過人工目測，在水封刀轉動速度較慢時目測或停機時目測來發現水封刀的異常，但是這種檢測方法依賴于目測，受限于水封刀一直轉動無法準確判斷，若停機則會影響產生進度，且在工業生產領域并非可以隨意停機的，因此現有技術的水封刀的異常檢測存在無法準確可靠檢查的缺陷。
技術實現思路
1、本專利技術的目的在于克服現有技術的不足，提供一種環形加熱爐水封刀智能化檢查方法，通過機器視覺對水封刀的圖像進行識別來檢查水封刀的異常狀態，實現了自動化、準確可靠的進行水封刀的檢查。
2、為了實現上述目的，本專利技術采用的技術方案為：一種環形加熱爐水封刀智能化檢查方法，包括如下步驟：
3、采集水封刀圖像數據并進行預處理后送入到預訓練后的表面異常檢測模型中，預訓練后的表面異常檢測模型基于圖像識別的方式檢測水封刀圖像中是否存在異常并將水封刀圖像中的異常部分標記出來以可視化的形式呈現出具有異常標記的水封刀圖像。p>
4、預訓練后的表面異常檢測模型包括表面異常檢測模型結構構造、模型的損失函數選擇與訓練；其中基于表面異常檢測模型結構構造來搭建出表面異常模型的結構，然后在選擇損失函數后進行訓練完成得到預訓練后的表面異常檢測模型。
5、搭建的表面異常檢測模型包括教師網絡、學生網絡和自編碼器網絡；其中教師網絡和學生網絡都采用了包含了4個卷積層的高效的特征提取器pdn；自編碼器網絡包括編碼器層和解碼器層，用于輸出表面異常檢測結果。
6、教師網絡和學生網絡采用的4個卷積層的特征提取器，其卷積核的維度分別是4*4*128，4*4*256，3*3*256，4*4*256，卷積的步長是1*1；pdn通過在第一和第二個卷積層后使用2*2*128的平均池化層來實現下采樣；在4個卷積層后面的全連接層的輸出維度是384.在網絡輸出中，每個輸出含有33x33像素大小的感受野。
7、自編碼器網絡則是由包含6層卷積層的編碼器層和包含8層卷積層的解碼器層共同構成，其中編碼器層的卷積核維度分別是4*4*32，4*4*32，4*4*75，4*4*64，4*4*64，8*8*64；解碼器層的卷積核維度統一是4*4*64，在解碼器層后面的全連接層的輸出維度是384。
8、教師網絡是由一個wideresnet-101網絡在imagenet數據集蒸餾來的，損失函數是mse；
9、學生網絡與自編碼器部分的訓練由一個綜合的損失函數來實現，綜合損失函數ltotal為
10、ltotal＝lst+lae+lstae；
11、其中：lst是度量學生網絡輸出和教師網絡輸出的差異；
12、lae是度量自編碼器輸出和教師網絡輸出的差異；
13、lstae是度量自編碼器和另一個學生網絡輸出之間的差異。
14、在表面異常檢測模型檢測到水封刀異常后輸出報警信號至加熱爐巡檢機器人，用于聯動機器人前往現場復查。
15、一種環形加熱爐水封刀智能化檢查系統，包括數據采集模塊、數據預處理模塊、表面異常檢測模型、可視化模塊；其中數據采集模塊對水封刀表面進行實時監控，并采集其圖像數據，其輸出端連接至數據預處理模塊，所述預處理模塊對采集到的水封刀圖像數據進行預處理后送入到表面異常檢測模型，表面異常檢測模型對水封刀圖像進行識別，將識別結果發送至可視化模塊中進行可視化展示。
16、所述表面異常檢測模型輸出端連接至加熱爐巡檢機器人，用于在檢測到異常后聯動機器人前往現場對水封刀異常進行復查。
17、表面異常檢測模型為預先搭建的圖像識別模型并預先訓練完成后應用于對水封刀圖像異常的識別。
18、本專利技術的優點在于：
19、1、本方案采用了高效率的特征提取網絡pdn，具有更快的推理速度，滿足該場景對檢測速度的要求。
20、2、本方案在學生網絡的訓練過程中，引入了困難特征損失函數。通過該損失函數，學生網絡可以在正常圖像上充分模仿老師，同時避免對異常圖像進行泛化。減少了算法對于結構性異常的誤識別率。
21、3、本方案不僅針對結構性異常設計了可以檢測局部特征差異的教師-學生網絡結構，而且還針對邏輯性異常設計了可以檢測全局特征差異的學生-自編碼器網絡結構。使得算法不僅能檢測表面破損，也可以檢測表面裂縫。
22、4、本方案第一次提供了環形高溫加熱爐的水封系統無人化巡檢方法，避免了工人到現場高溫環境作業，同時避免了人員暴露煤氣危險區域，實現了設備巡檢的本質化安全。
23、5、本方案提供了一種對爐底水封系統的自動化狀態檢測手段，能夠通過歷史數據統計分析，制定更加精確的加熱爐水封系統維護標準，為加熱爐檢修提供依據。
本文檔來自技高網...【技術保護點】
1.一種環形加熱爐水封刀智能化檢查方法，其特征在于：包括如下步驟：
2.如權利要求1所述的一種環形加熱爐水封刀智能化檢查方法，其特征在于：預訓練后的表面異常檢測模型包括表面異常檢測模型結構構造、模型的損失函數選擇與訓練；其中基于表面異常檢測模型結構構造來搭建出表面異常模型的結構，然后在選擇損失函數后進行訓練完成得到預訓練后的表面異常檢測模型。
3.如權利要求1或2所述的一種環形加熱爐水封刀智能化檢查方法，其特征在于：搭建的表面異常檢測模型包括教師網絡、學生網絡和自編碼器網絡；其中教師網絡和學生網絡都采用了包含了4個卷積層的高效的特征提取器PDN；自編碼器網絡包括編碼器層和解碼器層，用于輸出表面異常檢測結果。
4.如權利要求3所述的一種環形加熱爐水封刀智能化檢查方法，其特征在于：教師網絡和學生網絡采用的4個卷積層的特征提取器，其卷積核的維度分別是4*4*128，4*4*256，3*3*256，4*4*256，卷積的步長是1*1；PDN通過在第一和第二個卷積層后使用2*2*128的平均池化層來實現下采樣；在4個卷積層后面的全連接層的輸出維度是384
5.如權利要求3所述的一種環形加熱爐水封刀智能化檢查方法，其特征在于：自編碼器網絡則是由包含6層卷積層的編碼器層和包含8層卷積層的解碼器層共同構成，其中編碼器層的卷積核維度分別是4*4*32，4*4*32，4*4*75，4*4*64，4*4*64，8*8*64；解碼器層的卷積核維度統一是4*4*64，在解碼器層后面的全連接層的輸出維度是384。
6.如權利要求2-5任一所述的一種環形加熱爐水封刀智能化檢查方法，其特征在于：教師網絡是由一個WideResNet-101網絡在ImageNet數據集蒸餾來的，損失函數是MSE；
7.如權利要求1-5任一所述的一種環形加熱爐水封刀智能化檢查方法，其特征在于：在表面異常檢測模型檢測到水封刀異常后輸出報警信號至加熱爐巡檢機器人，用于聯動機器人前往現場復查。
8.一種環形加熱爐水封刀智能化檢查系統，其特征在于：包括數據采集模塊、數據預處理模塊、表面異常檢測模型、可視化模塊；其中數據采集模塊對水封刀表面進行實時監控，并采集其圖像數據，其輸出端連接至數據預處理模塊，所述預處理模塊對采集到的水封刀圖像數據進行預處理后送入到表面異常檢測模型，表面異常檢測模型對水封刀圖像進行識別，將識別結果發送至可視化模塊中進行可視化展示。
9.如權利要求8所述的一種環形加熱爐水封刀智能化檢查系統，其特征在于：所述表面異常檢測模型輸出端連接至加熱爐巡檢機器人，用于在檢測到異常后聯動機器人前往現場對水封刀異常進行復查。
10.如權利要求8或9所述的一種環形加熱爐水封刀智能化檢查系統，其特征在于：表面異常檢測模型為預先搭建的圖像識別模型并預先訓練完成后應用于對水封刀圖像異常的識別。
...【技術特征摘要】
1.一種環形加熱爐水封刀智能化檢查方法，其特征在于：包括如下步驟：
2.如權利要求1所述的一種環形加熱爐水封刀智能化檢查方法，其特征在于：預訓練后的表面異常檢測模型包括表面異常檢測模型結構構造、模型的損失函數選擇與訓練；其中基于表面異常檢測模型結構構造來搭建出表面異常模型的結構，然后在選擇損失函數后進行訓練完成得到預訓練后的表面異常檢測模型。
3.如權利要求1或2所述的一種環形加熱爐水封刀智能化檢查方法，其特征在于：搭建的表面異常檢測模型包括教師網絡、學生網絡和自編碼器網絡；其中教師網絡和學生網絡都采用了包含了4個卷積層的高效的特征提取器pdn；自編碼器網絡包括編碼器層和解碼器層，用于輸出表面異常檢測結果。
4.如權利要求3所述的一種環形加熱爐水封刀智能化檢查方法，其特征在于：教師網絡和學生網絡采用的4個卷積層的特征提取器，其卷積核的維度分別是4*4*128，4*4*256，3*3*256，4*4*256，卷積的步長是1*1；pdn通過在第一和第二個卷積層后使用2*2*128的平均池化層來實現下采樣；在4個卷積層后面的全連接層的輸出維度是384.在網絡輸出中，每個輸出含有33x33像素大小的感受野。
5.如權利要求3所述的一種環形加熱爐水封刀智能化檢查方法，其特征在于：自編碼器網絡則是由包含6層卷積層的編碼器層和包含8層卷積層的解碼器層共同構成，其中編碼器層的卷積核維度分別是4*4*32，4*4*32...
【專利技術屬性】
技術研發人員：陶禮，張坤，翟龍，魏天，
申請(專利權)人：寶武集團馬鋼軌交材料科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。