(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210060124.3 (22)申请日 2022.01.19 (71)申请人 岳阳高澜节能装备制造有限公司 地址 414000 湖南省岳阳市城陵矶临港产 业新区云港路8号 (72)发明人 黎乐　张浪文　邹培炯　万能　 (74)专利代理 机构 长沙智德知识产权代理事务 所(普通合伙) 43207 专利代理师 向莉 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/30(2022.01) G06V 10/44(2022.01)G06V 10/42(2022.01) G06V 10/54(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种阀冷系统管道渗漏视觉检测方法及计 算机与存 储介质 (57)摘要 本发明公开了一种阀冷系统管道渗漏的视 觉检测方法及计算机设备和存储介质， 所述方法 的获取数据集阶段包括采集现场原始图像， 以及 使用基于小概率策略的大津法图像分割算法和 分数阶掩模对原始 图像进行自适应去噪和纹理 边缘增强处理， 得到边缘增强图像； 模型训练阶 段包括利用伪孪生神经网络模型中特征提取模 块的全局与局部特征提取子网络和边缘特征增 强子网络分别提取原始 图像和边缘增强图像的 特征， 并在利用模型的特征融合模块将两组特征 进行融合之后利用特征分类模块实现分类， 最后 通过优化网络模型的损失函数使模型收敛从而 实现模型的训练； 模型测试阶段则为调用训练好 的模型直接应用于待测图像， 最终得到渗漏情况 的预测结果。 权利要求书5页 说明书11页 附图4页 CN 114782734 A 2022.07.22 CN 114782734 A 1.一种阀冷系统管道渗漏的视 觉检测方法， 其特 征在于， 包括以下步骤： A、 获取数据集阶段： a、 采集现场原 始图像过程， 即利用前端摄 像头从检测现场采集数字图像； b、 边缘增强图像生成过程， 即对原始图像进行灰度变换， 得到二维梯度图像， 然后利用 小概率策略和大津法对图像进 行分割， 得到图像的各个区域， 包括干扰噪声区域、 纹理区域 和平滑区域， 再采用不同阶次的分数阶微积分掩模对各个区域进行处理， 得到自适应的去 噪和边缘增强图像； B、 模型训练阶段： 构建具有特征级融合能力的伪孪生神经网络， 包括基于伪孪生网络的特征提取模块、 特征融合模块以及特 征分类模块， a、 利用由伪孪生的全局与局部特征提取子网络和边缘特征增强子网络构成的特征提 取模块对原 始图像和边 缘增强图像的特 征分别进行提取； b、 再用特征融合模块将两子网络的特征融合， 然后输入 网络的特征分类模块进行渗漏 预测； c、 最后通过优化模型的损失函数使得模型收敛， 从而得到训练好的模型； C、 模型测试阶段： 将待测 的原始图像和边缘增强图像输入模型训练阶段训练好的模 型， 实现对渗漏情况的预测。 2.根据权利要求1所述的一种阀冷系统管道渗漏的视觉检测方法， 其特征在于， 所述获 取数据集阶段为在需进行渗漏检测的现场搭建图像采集平台获取原始图像； 采用基于小概 率策略的大津算法对原始图像进行分割， 将噪声点视为小概率事件， 并将噪声点转换为背 景像素后用大津算法进行基于阈值的图像分割， 最后将原图的干扰噪声区域、 纹理区域和 平滑区域区分出来分别用分数阶掩 模进行去噪。 3.根据权利要求2所述的一种阀冷系统管道渗漏的视觉检测方法， 其特征在于， 所述分 数阶掩模具体定义 为： 根据分数阶G ‑L定义， 当分数阶的阶次是正数时为微分运算， 当分数阶的阶次是负数时 为积分运 算： 当v＞0时， G ‑L定义下v阶次的分数阶微分为: 当‑v＜0时， G ‑L定义下的分数阶积分公式为： 当h＝1， 通过朗格朗日等 算法到v阶微分的近似表达式： 其中， ξ0, ξ1, ξ2,..., ξn都是微分v阶次的函数， 一共可以得到8个方向的分数阶偏微分掩 模(与x+轴方向成0 °,45°,90°,135°,180°,225°,270°,315°)， 再将8个方向的掩模算子叠加 起来， 就可以得到分数阶微分掩模， 需要将每一个元素除以8 ×( ξ0+ξ1+ξ2+…+ξn)来完成模权　利　要　求　书 1/5 页 2 CN 114782734 A 2板的归一化处理， 再与图像进 行卷积运算后， 就可以得到经过阶次为v的分数阶微分处理后 的图像。 4.根据权利要求3所述的一种阀冷系统管道渗漏的视觉检测方法， 其特征在于， 所述分 数阶的阶次具有可以连续变化的特性， 因此制 定相应的自适应分数阶微积分阶次的函数， 在图像的噪声处具有负阶次， 在图像的边缘处具有较大 的微分阶次， 在图像的弱纹理和平 滑区域具有较小微分阶次， 从而实现自适应图像去 噪效果和自适应图像边缘增强效果， 自 适应分数阶微积分阶次的函数为： 其中， M(i,j)为图像中每一个像素点的8个方向上的平均梯度， t是由小概率策略求取 的噪声阈值， s为图像的边缘阈值， v是每一个像素点对应的分数阶阶次， 参数v1,v2,v3分别 为边缘和纹理对应阶次的阈值。 将具变化阶次的分数阶掩模与摄像头采集的图像进行卷积 运算就可以得到增强后的图像， 增强后的图像纹 理更加清晰， 边 缘更加明显 。 5.根据权利要求1所述的一种阀冷系统管道渗漏的视觉检测方法， 其特征在于， 所述模 型训练阶段构建伪孪生神经网络， 其特 征提取模块包 含两个伪孪生的特 征提取子网络： 其一为所述全局与局部特征提取子网络， 用于对所述原始图像的局部与全局特征进行 提取， 所述全局与局部特征提取子网络具体由2个用于提取图像局部与全局浅层特征的 shallow模块以及3个用于提取图像局部与全局的深层特征的deep模块依次串 联， 将所述原 始图像x0输入第一个 shallow子模块并将 输出特征x1作为下一个模块的输入， 按 此规则x0经 过5个特征提取子模块后得到全局与局部特 征提取子网络的输出 FN， 如下所示： 式中shallow( ·)、 deep(·)分别为shallow模块和deep模块的等效函数， Conv( ·)、 Pool(·)分别为卷积和池化操作， 所述shallow模块具体由两层卷积操作加一次池化操作 组成， 所述deep 模块具体由三层卷积操作加一次池化操作组成， 这5个特征提取子模块共同 构成这个特 征提取子网络； 其二为所述边缘特征增强子网络， 用于提取所述边缘增强图像的特征， 当管道出现渗权　利　要　求　书 2/5 页 3 CN 114782734 A 3