一种锅炉受热面异常图像识别方法、标记方法及系统技术方案

本发明专利技术实施例提供一种锅炉受热面异常图像识别、标记方法及系统，包括：获取大量炉内受热面图像，所述受热面图像已经被人为认定为正常受热面图像和不同种类的异常受热面图像，对各受热面图像进行预处理，得到预处理受热面图像；采用特征学习器自各预处理受热面图像内提取特征,对各预处理受热面图像的特性进行训练得到图像识别模型；通过图形识别模型识别所采集的炉内受热面图像，识别出异常的受热面图像；根据锅炉设计图纸绘制与锅炉实际尺寸、空间分布一致的三维模型，将异常的受热面图像标记在锅炉模型上，形成诊断报告。通过图像识别模型识别出炉内受热面是否异常，将异常受热面图像标记在锅炉模型上，发送给维修工人，减少人力投入。

【技术实现步骤摘要】
一种锅炉受热面异常图像识别方法、标记方法及系统
本专利技术涉及煤电领域，具体涉及一种锅炉受热面异常图像识别方法、标记方法及系统。
技术介绍
燃煤电厂在日常生产运转中会产生大理的灰粒、硫和氮的氧化物的物质，这些物质在锅炉运行的过程中有时会以各种形式沉积在受热面的表面，造成受热面的结焦、积灰、腐蚀，锅炉结焦、积灰、腐蚀不但增加了锅炉受热面的传热阻力，使受热面传热恶化，降低锅炉热经济性，还可能造成烟气通道的堵塞，影响锅炉的安全运行，严重时会发生设备损坏、人身伤害事故。在实现本专利技术过程中，申请人发现现有技术中至少存在如下问题：由于锅炉受热面结焦、积灰、腐蚀，不但增加了锅炉受热面的传热阻力，降低锅炉热经济性，还可能造成烟气通道的堵塞，影响锅炉的安全运行，燃煤发电厂会凭借检修经验，利用停炉机会定期检查锅炉受热面情况。尽管当前检修位置已充分考虑了锅炉运行工况，但是受视野、检修经验限制，效率较低。
技术实现思路
本专利技术实施例提供一种锅炉受热面异常图像识别方法、标记方法及系统，通过训练得到图像识别模型，图像识别模型自动提取图像本文档来自技高网...

【技术保护点】
1.一种锅炉受热面异常图像识别、标记方法，其特征在于，包括：/n获取大量的煤电厂锅炉炉内受热面图像，所述受热面图像已经被人为认定为正常受热面图像和不同种类的异常受热面图像，对各受热面图像进行预处理，得到预处理受热面图像；其中，所述异常受热面图像的种类包括至少一种：受热面积灰图像、受热面结焦图像、受热面腐蚀图像；/n采用特征学习器自各预处理受热面图像内提取特征,对各预处理受热面图像的特性进行训练得到图像识别模型；/n通过自动图像采集设备采集多张煤电厂锅炉炉内受热面的图像以及各图像的在炉内受热面上的空间位置，通过图形识别模型识别所采集的炉内受热面图像，识别出异常的受热面图像；/n根据锅炉设计图纸绘...

【技术特征摘要】
1.一种锅炉受热面异常图像识别、标记方法，其特征在于，包括：
获取大量的煤电厂锅炉炉内受热面图像，所述受热面图像已经被人为认定为正常受热面图像和不同种类的异常受热面图像，对各受热面图像进行预处理，得到预处理受热面图像；其中，所述异常受热面图像的种类包括至少一种：受热面积灰图像、受热面结焦图像、受热面腐蚀图像；
采用特征学习器自各预处理受热面图像内提取特征,对各预处理受热面图像的特性进行训练得到图像识别模型；
通过自动图像采集设备采集多张煤电厂锅炉炉内受热面的图像以及各图像的在炉内受热面上的空间位置，通过图形识别模型识别所采集的炉内受热面图像，识别出异常的受热面图像；
根据锅炉设计图纸绘制与锅炉实际尺寸、空间分布一致的三维模型，将异常的受热面图像标记在锅炉模型上，形成诊断报告。


2.根据权利要求1所述的锅炉受热面异常图像识别、标记方法，其特征在于，所述对各受热面图像进行预处理，得到预处理受热面图像，具体包括：
对各受热面图像进行增广处理，所述增广处理操作包括：通过对受热面图像进行旋转、镜像翻转、对图像整体或图像局部像素亮度的变化、和/或，在图像全局加入随机噪声模拟不同的真实场景；
将增广后的受热面图像放缩到预设尺寸；
对预定尺寸的受热面图像去均值处理以凸显各预定尺寸的受热面图的对比度，得到预处理受热面图像。


3.根据权利要求2所述的锅炉受热面异常图像识别、标记方法，其特征在于，所述特征学习器为卷积神经网络；
所述采用特征学习器自各预处理受热面图像内提取特征,对各预处理受热面图像的特性进行训练得到图像识别模型，具体包括：
提取各预处理受热面图像的RGB分量并将各预处理受热面图像的RGB分量分别输入卷积神经网络，卷积神经网络的卷积层基于不同的卷积核进行加权计算获得特征矩阵；并通过激活函数对特征矩阵进行非线形激活后输入池化层进行特征压缩；且采用卷积神经网络的卷积层和池化层重复进行多次重复，得到一组固定大小的特征矩阵；
将该组固定大小的特征矩阵输入积神经网络中的全连接层，通过全连接层将该组固定大小的特征矩阵结构变换，得到固定长度的特征向量；
将固定长度的特征向量输入分类器进行空间概率映射，将预处理受热面图像进行分类，归类为正常受热面、不同种类的异常受热面图像。


4.根据权利要求3所述的锅炉受热面异常图像识别、标记方法，其特征在于，所述提取各预处理受热面图像的RGB分量并将各预处理受热面图像的RGB分量分别输入卷积神经网络，卷积神经网络的卷积层基于不同的卷积核进行加权计算获得特征矩阵，具体包括：
通过卷积层所包括的积核表示该预处理图像RGB分量的权重；
通过卷积核与和其所对应的RGB分量进行点乘，从而提取出各预处理预热图像该层的特征，将所提取的特征形成特征矩阵；且在提取各预热预处理图像该层特征时保持该特征所在的预处理图像本征的空间位置不变。


5.根据权利要求3所述的锅炉受热面异常图像识别、标记方法，其特征在于，所述将固定长度的特征向量输入分类器进行空间概率映射，将预处理受热面图像进行分类，归类为正常受热面、不同种类的异常受热面图像，具体包括：
所述分类器为softmax激活函数，通过softmax激活函数将全连接层输出的固定长度的特征向量中各向量映射到图像类别的概率空间，得到该特征向量在个类别下的真实概率值；再通过损失函数计算...

【专利技术属性】
技术研发人员：梅东升，白德龙，毛永清，刘红欣，蔡来生，何川，冯宝泉，张宏元，郭强，孙健，梁国杰，赵志宏，刘政修，苗宏，董伟波，赵潇然，王荣，朱迎春，梁满仓，
申请(专利权)人：北京京能能源技术研究有限责任公司，内蒙古京隆发电有限责任公司，
类型：发明
国别省市：北京;11