【技术实现步骤摘要】
一种基于YOLO算法的核电厂混凝土缺陷识别方法
[0001]本专利技术涉及核电站安全评估
,尤其涉及一种基于
YOLO
算法的核电厂混凝土缺陷识别方法
。
技术介绍
[0002]核电厂构筑物在核电厂运行过程中起着包容
、
支撑
、
保护的作用,由于设计建造不合理
、
环境侵蚀
、
材料老化
、
维护欠佳
、
过荷载作用等原因,核电厂的构筑物不可避免的出现不同程度的劣化
、
失效现象,削弱其长期服役性能,降低了核安全构筑物在长期服役过程中承受劣化因素作用的能力,严重危害着构筑物的可靠性,直接影响核电厂的持续
、
安全运行
。
混凝土结构在服役过程中,开裂是其最为常见的老化失效行为之一,因此核电厂定期开展混凝土裂缝目视检查,及时跟踪
、
评估混凝土的老化状态,确保混凝土结构的完整性
、
安全性
。
然而拍摄图片由于环境限制,导致图片模糊
、
不清晰,算法识别效果差,准确度低,容易出现漏检
、
误检等情况;核电厂混凝土结构服役环境复杂,目视检查效率低,部分区域由于高辐照剂量及空间结构的限制而难以到达,存在检测风险高
、
效率低,无法形成有效的检测与评估等问题
。
[0003]以上
技术介绍
内容的公开仅用于辅助理解本专利技术的专利技术构思及技术方 ...
【技术保护点】
【技术特征摘要】
1.
一种基于
YOLO
算法的核电厂混凝土缺陷识别方法,其特征在于,包括以下步骤:获取核电厂混凝土表面缺陷图像数据集,对数据集内的图像进行预处理,再将处理后的图像分割为
n
个预设尺寸的子图像;根据每张子图像中出现裂缝的位置,划定对应预选框,以完成子图像的标注,所述子图像上的每条裂缝被对应的预选框所包围;将标注后的子图像按预设比例划分为训练集和测试集;采用
YOLO
算法,并基于卷积神经网络不同的深度和宽度,建立多个
YOLO
模型,并利用所述训练集分别进行训练,以对应获得多个模型权重文件;使用所述测试集对所述模型权重文件分别进行测试,并基于
Giou loss、Precision、Recall
和
mAP
值中的一种或多种检测指标对所述多个
YOLO
模型进行评价,以获取最优的
YOLO
模型;将最优的
YOLO
模型作为混凝土表面缺陷图像检测模型,以实现对混凝土表面裂缝位置的自动识别
。2.
根据权利要求1所述的核电厂混凝土缺陷识别方法,其特征在于,所述预选框为矩形,所述预选框恰好将对应的裂缝包围,并记录所述预选框对角线两端的坐标;所述
YOLO
模型以预测框的形式将识别出的裂缝进行标记,所述预测框为矩形,并记录所述预测框对角线两端的坐标;若同一子图像对应的预选框和预测框两者之间对应坐标的距离大于预设阈值,则需重新训练所述
YOLO
模型
。3.
根据权利要求2所述的核电厂混凝土缺陷识别方法,其特征在于,将待检测的混凝土表面图像进行图像分割后输入所述混凝土表面缺陷图像检测模型,所述混凝土表面缺陷图像检测模型将所述混凝土表面图像上出现的裂缝以预测框的形式进行标记,将所述预测框一条对角线的长度作为对应裂缝的基础长度并进行求和,以初步得到所述混凝土表面图像上出现裂缝的总长度,然后除以所述混凝土表面图像的面积,进而得到所述混凝土...
【专利技术属性】
技术研发人员:王鹏,马骏,汤志杰,李毅,
申请(专利权)人:苏州热工研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。