(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 202111660803.6 (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 包建国　余汇涛　王希　刘强　 唐正　 (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) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种蒸汽发生器二次侧传热管管间异物自 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 管管间异物自动识别方法， 包括如下步骤： 步骤 S1： 拍摄传热管管间图像， 将图像分为有异物和 无异物两类， 并添加标签制作成有无异物的数据 集， 增强数据使图像多样化， 使数据集样本数量 更多； 步骤S2： 搭建合适的卷积神经网络模型， 输 入S1步骤中制作的有无异物数据集进行模型训 练， 根据训练效果完善卷积神经网络的参数， 完 成模型训练； 步骤S3： 输入待检测图像， S2中训练 好的卷积神经网络模型通过网络前向计算得到 该图像有无异物的概率值， 根据概率值输出异物 有无的结果。 本发明提供的自动识别方法能够提 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。 权利要求书1页 说明书4页 附图1页 CN 114359212 A 2022.04.15 CN 114359212 A 1.一种蒸汽发生器二次侧传热 管管间异物自动识别方法， 其特 征在于， 包括如下步骤： 步骤S1： 拍摄传热管管间图像， 将图像分为有异物和无异物两类， 并添加标签制作成有 无异物的数据集， 增强数据使图像多样化， 使数据集样本数量更多； 步骤S2： 搭建合适的卷积神经网络模型， 输入S1步骤中制作的有无异物数据集进行模 型训练， 根据训练效果完 善卷积神经网络的参数， 完成模型训练； 步骤S3： 输入待检测图像， S2中训练好的卷积神经网络模型通过网络前向计算得到该 图像有无异 物的概率值， 根据概 率值输出异 物有无的结果。 2.根据权利要求1所述的蒸汽发生器二次侧传热管管间异物自动识别方法， 其特征在 于， 所述步骤S1具体包括如下步骤： 步骤S11： 获取图像数据； 步骤S12： 定义 一个预处 理函数对数据进行 预处理； 步骤S13： 对训练集当中的图片进行 数据增强； 步骤S14： 创建输入管道。 3.根据权利要求2所述的蒸汽发生器二次侧传热管管间异物自动识别方法， 其特征在 于， 所述步骤S11中， 在简易模拟体上布置不同种类异物， 并操作内窥镜获取不同角度下各 类异物的图像， 人工 选择合适的异物图像并对其进行分类， 并分别保存在不同的文件夹内。 4.根据权利要求2所述的蒸汽发生器二次侧传热管管间异物自动识别方法， 其特征在 于， 所述步骤S12中， 图像预处理流程包括读取图像路径、 解码、 对图像进行resize、 数据类 型转换以及归一 化。 5.根据权利要求2所述的蒸汽发生器二次侧传热管管间异物自动识别方法， 其特征在 于， 所述步骤S13中， 在 进行图片的数据增强时， 对图像进 行翻转、 裁剪、 灰度变化、 对比度变 化以及颜色变化以生成新的训练集。 6.根据权利要求2所述的蒸汽发生器二次侧传热管管间异物自动识别方法， 其特征在 于， 所述步骤S14包括： 步骤S141： 获得tensorFl ow训练所需要的数据集； 步骤S142： 设置BATC H_SIZE参数以及对数据集进行乱序和重复操作； 步骤S143： 对训练数据集进 行随机混洗， 同时使用Repeat()函数， 使 得数据集能够为网 络持续提供数据直到训练完成。 7.根据权利要求1所述的蒸汽发生器二次侧传热管管间异物自动识别方法， 其特征在 于， 所述步骤S2具体包括如下步骤： 步骤S21： 搭建神经网络； 步骤S22： 使用model.compi le()函数 方法对模型进行编译； 步骤S23： 在编译好的模型之中填入数据， 执 行训练过程； 步骤S24： 通过观察模型训练的Epoch ‑Loss和Epoch ‑Accuracy曲线判别该模型的训练 效果。 8.根据权利要求7所述的蒸汽发生器二次侧传热管管间异物自动识别方法， 其特征在 于， 所述步骤S24中， 当测试集和训练集的Epoch ‑Loss曲线收敛于0， Epoch ‑Accuracy收敛于 1， 且两者相差不大时训练效果 最佳。权　利　要　求　书 1/1 页 2 CN 114359212 A 2一种蒸汽发生器 二次侧传热管 管间异物自动识别方 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 间异物自动识别方法。 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异物 (例如泥渣)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， 在判断有 无外异物上， 也需要技术人员人 工判断， 在现场高度紧张的状态下， 人员劳动强度较大。 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 传热管管间异物自动识别方法， 该蒸汽发生器二次侧传热管管间异物自动识别方法能够实 现对管间异物的自动识别， 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 管管间异物自动识别方法， 包括如下步骤： [0007]步骤S1： 拍摄传热管管 间图像， 将图像分为有异物和无异物两类， 并添加标签制作 成有无异 物的数据集， 增强数据使图像多样化， 使数据集样本数量更多； [0008]步骤S2： 搭建合适的卷积神经网络模型， 输入S1步骤中制作的有无异物数据集进 行模型训练， 根据训练效果完 善卷积神经网络的参数， 完成模型训练； [0009]步骤S3： 输入待检测图像， S2中训练好的卷积神经网络模型通过网络前向计算得 到该图像有无异 物的概率值， 根据概 率值输出异 物有无的结果。 [0010]进一步地， 所述步骤S1具体包括如下步骤： [0011]步骤S11： 获取图像数据； [0012]步骤S12： 定义 一个预处 理函数对数据进行 预处理； [0013]步骤S13： 对训练集当中的图片进行 数据增强； [0014]步骤S14： 创建输入管道。 [0015]进一步地， 所述步骤S11中， 在简易模拟体上布置不同种类异物， 并操作内窥镜获 取不同角度下各类异物的图像， 人工选择合适的异物图像并对其进行分类， 并分别 保存在 不同的文件夹内。 [0016]进一步地， 所述步骤S12中， 图像预处理流程包括读取图像路径、 解码、 对图像进行 resize、 数据类型转换以及归一 化。 [0017]进一步地， 所述步骤S13中， 在进行图片的数据增强时， 对图像进行翻转、 裁剪、 灰说　明　书 1/4 页 3 CN 114359212 A 3