固体火箭发动机衬层缺陷图像数据集自制方法技术

本发明专利技术涉及用于训练神经网络所需标签数据集的制作领域，公开了一种固体火箭发动机衬层缺陷图像数据集自制方法，对原始衬层图像以特定步长，从左上角到右下角逐次取出子集图像，将子集图像与缺陷发生器生成的缺陷图形等概率随机组合，完成所述组合后需要保存组合结果和对应的标签，完成一张所述原始衬层图像后，再取出一张进行所述组合和保存，如此反复，直到对所有的所述衬层图像完成组合和保存，最后，将所述组合的全部结果进行一次数据增强，所述数据增强可以使图像数量增加一倍。通过以上方法可以得到大量的已标注的衬层缺陷图像，可以用于训练神经网络。可以用于训练神经网络。可以用于训练神经网络。

【技术实现步骤摘要】
固体火箭发动机衬层缺陷图像数据集自制方法


[0001]本专利技术涉及用于训练神经网络所需标签数据集的制作领域，具体为固体火箭发动机衬层缺陷图像数据集自制方法。

技术介绍

[0002]固体火箭发动机作为导弹或航天飞行器的动力装置，对发动机壳体内壁衬层涂覆完整性具有特定要求。衬层主要作用是将推进剂与绝热层或壳体牢固地粘接在一起，要求粘接牢靠，且能够承受发动机工作时出现的应力。衬层粘接不牢靠，出现脱粘现象，就会造成壳内内部的过热失强，或者引起推进剂的燃面扩大，导致发动机发生故障。
[0003]在现有衬层成型技术下，衬层表面可能会存在漏涂、流挂、气泡、堆积等缺陷，衬层表面完整性差，降低衬层粘接性能。固体火箭发动机一般具有大长径比的特点，壳体内部光线较弱，采用人工检测衬层缺陷的方式效果较差，因此，探索新的衬层缺陷检测方法十分必要。采用基于计算机视觉和深度学习技术检测衬层缺陷是一种新型的检测方法，通过建立神经网络衬层缺陷识别模型，可以自动完成衬层缺陷的检测要求，并定位缺陷位置。然而，建立衬层缺陷识别模型需要大量的衬层缺陷图像数据。对于固体火箭发动机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种固体火箭发动机衬层缺陷图像数据集自制方法，其特征在于，包括以下步骤：(1)获取无缺陷的发动机壳体衬层图像作为原始衬层图像；(2)以步长为a的方式，由原始衬层图像中按顺序取出像素为a*a的子集图像，所述子集图像个数≥100；(3)通过缺陷发生器生成缺陷图形，所述缺陷图形包括漏涂缺陷、流挂缺陷、气泡缺陷和堆积缺陷图形；(4)将步骤(2)中所得子集图像与步骤(3)中所得缺陷图形等概率随机组合，得到组合图像；(5)将步骤(4)所得组合图像设置相应标签后保存；(6)对步骤(5)中保存的所有组合图像进行至少一次数据增强。2.根据权利要求1所述的一种固体火箭发动机衬层缺陷图像数据集自制方法，其特征在于，所述步骤(1)中，原始衬层图像的像素≥4096*2048；所述步骤(2)中，以步长为a＝64的方式，由原始衬层图像中按顺序取出像素为64*64的子集图像。3.根据权利要求1或2所述的一种固体火箭发动机衬层缺陷图像数据集自制方法，其特征在于，所述步骤(1)中，原始衬层图像由线阵相机采集抛涂成型方式下的无缺陷的发动机壳体衬层得到；所述步骤(3)中，漏涂缺陷图形为椭圆形，所述椭圆形的轮廓在以椭圆中心为原点的坐标系中的坐标为(x,y)，|x|或|y|由基础值和变动值相加得到；流挂缺陷图形为键槽形，所述键槽形由下圆弧、上圆弧、左直线和右直线围成；气泡缺陷图形为圆形，所述圆形半径由基础值和变动值相加得到；所述步骤(6)中，数据增强包括归一化，标准化，随机宽度平移，随机高度平移，随机旋转和随机水平翻转。4.根据权利要求1或2所述的一种固体火箭发动机衬层缺陷图像数据集自制方法，其特征在于，所述步骤(3)中，堆积缺陷图形的轮廓曲线为在a*a像素的矩形区域内的随机封闭曲线。5.根据权利要求4所述的一种固体火箭发动机衬层缺陷图像数据集自制方法，其特征在于，所述随机封闭曲线的获取方法为，首先a*a像素的矩形区域内绘制基础封闭曲线；其次对所述基础封闭曲线上的坐标点进行随机变动，所述随机变动值大于零且小于a；最后选择a*a像素的矩形区域的封闭曲线作为堆积缺陷图形的轮廓曲线。6.根据权利要求1或2所述的一种固体火箭发动机衬层缺陷图像数据集自制方法，其特征在于，...

【专利技术属性】
技术研发人员：吴琼，王玉柱，高瀚君，刘洋，薛念普，张渝，王鸿宇，林明辉，
申请(专利权)人：上海航天化工应用研究所，
类型：发明
国别省市：