基于深度学习的发电站制冷水管焊缝图像检测

• 作者: 杨贤彪 沈秋成 王立辉 秦成帅
• 来源期刊: 电力工程技术
• 学科: 工学
• 关键词: 发电站制冷管 焊缝区域 深度神经网络 射线图片 深度学习
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 技术探讨
• 页码范围: 191-196
• 页数: 6页
• 分类号: TM62
• 语种: 中文
• DOI: 10.12158/j.2096-3203.2020.05.027

摘要

针对发电站制冷管射线图像的焊缝区域对比度较低、特征不明显,传统方法难以实现精确搜索的问题,提出一种基于深度学习的发电站制冷水管焊缝区域搜索方法.利用限制对比度的自适应直方图均衡化限制图像统计直方图的幅度,抑制噪声放大,得到直方图的累积分布函数,以校正图像的低对比度;利用深度神经网络的24个卷积层提取输入图像的特征、2个全连接层预测图像位置和类别概率,实现水冷壁管焊缝区域的检测,以克服传统模板匹配精度低、时间复杂度高的问题.对100张制冷管射线图片按4∶1∶5分为训练集、验证集和测试集,利用训练集和验证集对深度神经网络进行训练,将图像送进训练好的模型,预测制冷管焊缝区域的位置.试验结果表明,基于深度学习的焊缝区域搜索方法可以实现焊缝的精确搜索,准确率达到96％,搜索效率及准确度高.