(19)中华 人民共和国 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 202111655305.2 (22)申请日 2021.12.31 (71)申请人 中核武汉 核电运行技 术股份有限公 司 地址 430223 湖北省武汉市东湖新 技术开 发区民族大道1021号 (72)发明人 余汇涛　王希　刘强　唐正　 包建国　 (74)专利代理 机构 核工业专利中心 1 1007 代理人 李东斌 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/10(2017.01) G06T 7/60(2017.01) (54)发明名称 一种蒸汽发生器二次侧传热管管间泥渣厚 度自动识别方法 (57)摘要 本发明提供了一种蒸汽发生器二次侧传热 管管间泥渣厚度自动识别方法， 包括如下步骤： 步骤S1： 拍摄传热管管间图像， 打开图像， 通过点 选圈出泥渣厚度区域， 完成泥渣厚度数据集制 作； 步骤S2： 搭建基于全卷积神经网络的语义分 割模型； 步骤S3： 确认损失函数； 步骤S4： 输入S1 步骤中制作的数据集进行模型训练， 采用Adam优 化器和Ploy学习率调整策略训练网络模型； 步骤 S5： 根据图像处理算法得到泥渣区域的面积高度 参数以及传热管管间间隙的像素距离， 以此评估 泥渣厚度； 步骤S6： 得到泥渣厚度轮廓信息和传 热管间隙轮廓信息， 计算泥渣厚度。 本发明提供 的识别方法提高视频检查技术的智能化程度和 准确率， 降低人员剂量及劳动强度。 权利要求书1页 说明书3页 附图1页 CN 114372967 A 2022.04.19 CN 114372967 A 1.一种蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法， 其特征在于， 包括如下 步骤： 步骤S1： 拍摄传热管管间图像， 打开 图像， 通过点选圈出泥渣厚度 区域， 完成泥渣厚度 数据集制作； 步骤S2： 搭建基于全卷积神经网络的语义分割模型； 步骤S3： 确认损失函数； 步骤S4： 输入S1步骤中制作的数据集进行模型训练， 采用Adam优化器和Ploy学习率调 整策略训练网络模型； 步骤S5： 根据图像处理算法得到泥渣区域的面积高度参数以及传热管管间间隙的像素 距离， 以此评估泥渣厚度； 步骤S6： 得到泥渣厚度轮廓信息和传热 管间隙轮廓信息， 计算泥渣厚度。 2.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法， 其特 征在于， 所述 步骤S1中， 采用labelme工具制作数据集标签。 3.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法， 其特 征在于， 所述步骤S2中， 所述语义分割模型包括泥渣厚度语义分割模型和传热管间隙语义 分割模型。 4.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法， 其特 征在于， 所述步骤S2中， 搭建基于全卷积神经网络的语义分割模型架构， 网络输入为 512x512x3的RGB三 通道彩色图像， 网络 输出为512x512的概 率分布。 5.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法， 其特 征在于， 所述步骤S3中， 采用二分类交叉熵损失函数， 网络输出结果， 范围在0～1之间， 大于 0.5为前景， 小于0.5为背景。 6.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法， 其特 征在于， 所述步骤S4通过细调网络参数， 使训练集和测试集的损失值均接近于0， 解决过拟 合现象， 增强模型的泛化能力。 7.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法， 其特 征在于， 所述 步骤S5具体包括如下步骤： 步骤S51： 输入待检测图像， 将输入图片转化为模型所需数据类型， 通过模型计算输出 一张概率图， 利用阈值法， 将大于 0.5的概率标记为 正类， 将小于 0.5的标记为背景类； 步骤S52： 使用网络模型对待检测图片进行预测， 将原图与预测结果图进行叠加， 得到 最终效果图； 步骤S53： 通过opencv视觉库中的函数计算出预测的泥渣厚度区域的面积、 高度参数， 以评估泥渣厚度。 8.根据权利要求1所述的蒸汽发生器二次侧传热管管间泥渣厚度自动识别方法， 其特 征在于， 所述步骤S6中轮廓信息不包括任何干扰， 能得到泥渣厚度的像素距离和传热管间 隙的像素距离 。权　利　要　求　书 1/1 页 2 CN 114372967 A 2一种蒸汽发生器 二次侧传热管 管间泥渣厚度自动识别方 法 技术领域 [0001]本发明涉及蒸汽发生器检修技术领域， 尤其涉及 一种蒸汽发生器二次侧传热管管 间泥渣厚度自动识别方法。 背景技术 [0002]蒸汽发生器二次侧管板视频检查主要是用来了解蒸汽发生器二次侧管板上泥渣 情况， 由于它可以直观的获得蒸汽发生器内部的有关情况， 如泥渣的沉积量、 泥渣的分布情 况、 形态以及内部是否存在外来物等情况， 因此应用非常广泛。 [0003]目前国内蒸汽发生器视频检查， 主要是技术人员人工输送内窥镜进入管间和收回 内窥镜， 根据内窥镜拍摄录制的视频来进 行分析， 在判断泥渣堆积厚度上， 通过对比传热管 间距进行一个预估， 由于个人评定标准有所差异， 导致视频检查结果对泥渣厚度的描述存 在一定的偏差， 其结果的准确性和稳定性有 待提高。 发明内容 [0004]本发明的目的在于克服现有技术中所述的缺陷， 从而提供一种蒸汽 发生器二次侧 传热管管间泥渣厚度自动识别方法， 该蒸汽发生器二次侧传热管管间泥渣厚度自动识别方 法能够实现对管间泥渣厚度的自动识别， 提高视频检查技术的智能化程度和 准确率， 降低 人员剂量及劳动强度， 而且能应用在各种核电站机组。 [0005]为了实现上述目的， 本发明提供如下技 术方案： [0006]一种蒸汽发生器二次侧传热 管管间泥渣厚度自动识别方法， 包括如下步骤： [0007]步骤S1： 拍摄传热管管间图像， 打开图像， 通过点选圈出泥渣厚度区域， 完成泥渣 厚度数据集制作； [0008]步骤S2： 搭建基于全卷积神经网络的语义分割模型； [0009]步骤S3： 确认损失函数； [0010]步骤S4： 输入S1步骤中制作的数据集进行模型训练， 采用Adam优化器和Ploy学习 率调整策略训练网络模型； [0011]步骤S5： 根据图像处理算法得到泥渣区域的面积高度参数以及传热管管间间隙的 像素距离， 以此评估泥渣厚度； [0012]步骤S6： 得到泥渣厚度轮廓信息和传热 管间隙轮廓信息， 计算泥渣厚度。 [0013]进一步地， 所述步骤S1中， 采用labelme工具制作数据集标签。 [0014]进一步地， 所述步骤S2中， 所述语义分割模型包括泥渣厚度语义分割模型和传热 管间隙语义分割模型。 [0015]进一步地， 所述步骤S2中， 搭建基于全卷积神经 网络的语义分割模型架构， 网络输 入为512x512x3的RGB三 通道彩色图像， 网络 输出为512x512的概 率分布。 [0016]进一步地， 所述步骤S3中， 采用二分类交叉熵损失函数， 网络输出结果， 范围在0～ 1之间， 大于 0.5为前景， 小于0.5为背景。说　明　书 1/3 页 3 CN 114372967 A 3