一种冰风洞中翼型结冰区域检测方法、装置、设备和存储介质制造方法及图纸

本发明专利技术涉及结冰检测技术领域，具体涉及一种冰风洞中翼型结冰区域检测方法、装置、设备和存储介质。该方法首先在冰风洞试验段拍摄实验翼型，获取原始图像并进行处理后，得到结冰检测模型训练数据集中的训练和测试图像样本；使用所述训练数据集，训练结冰区域检测的语义分割网络；启动冰风洞，实时获取试验段中翼型的结冰图像，经处理后输入到训练好的结冰区域检测模型，输出目标图像中若干结冰区域的位置坐标，最后判定实际结冰区域，得到翼型上结冰区域，计算得到翼型上各个结冰区域面积之和，结合计算机自带的定时器也可以计算得到翼型在实验条件下的结冰速度。本专利通过机器视觉手段实时判断翼型结冰区域，能够实时高准确率地判断翼型在实验过程中的结冰面积和结冰速度。度。度。

【技术实现步骤摘要】
一种冰风洞中翼型结冰区域检测方法、装置、设备和存储介质


[0001]本专利技术涉及结冰检测
，特别是涉及一种冰风洞中翼型结冰区域检测方法、装置、设备和存储介质。

技术介绍

[0002]从航空发展的初期开始，结冰就已经成为安全飞行的最大威胁之一，在世界军、民飞机事故中占比一半以上。飞机不同部位上的结冰都会影响飞机安全飞行。例如，机翼、尾翼及操纵面发生结冰会让飞机的气动性能、操纵效率急剧恶化。而在飞机的设计阶段，通过冰风洞实验可以获得飞机各部位的结冰区域与结冰种类，进而确定飞机的防冰区域，为飞机的防(除)冰设计提供依据。
[0003]在冰风洞实验中，由于实验环境的恶劣，科研人员通常仅是在实验结束后进入冰风洞试验段中对结冰翼型进行分析，记录冰型和结冰质量，而对实验进行时飞机翼型的结冰面积、结冰速度等缺乏相应的计算手段。因此可以引入基于图像的区域检测算法，利用深度学习的方法实时获取翼型表面的结冰区域，计算得到翼型在冰风洞实验的结冰速度。
[0004]由于冰风洞实验成本过高，因此获取的原始图像较少，在传统深度学习模型中，少样本时可能存在欠拟合现象，即模型推理时准确率较低，不能达到理想的效果。Ciresan等人提出的UNet网络，其输入的训练数据为patches，可以有效解决了图像较少的问题。基于UNet网络训练模型慢的问题，本专利技术在UNet基础上进行修改，优化UNet训练模型，提高训练速度，同时对结冰区域的检测仍能保持较高的准确率，为科研人员对冰风洞实验的结果分析提供了巨大的帮助。
专利技术内容
[0005]为了克服上述现有技术的不足，本专利技术提供了一种冰风洞中翼型结冰区域检测方法、装置、设备和存储介质。
[0006]第一方面，本专利技术提供一种冰风洞中翼型结冰区域检测方法，所述技术方案包括：
[0007]步骤一、在冰风洞试验段放置标定板，确保标定板在相机中成像清晰，通过调整标定板的位置，记录不同方位、角度下标定板的多张图像，通过计算得到相机的内参矩阵、各相机间的平移、旋转矩阵以及各相机的畸变系数；
[0008]步骤二、利用布置好的相机拍摄实验翼型，获取原始图像，基于图像预处理算法，对图像进行畸变矫正、去雾处理和直方图均衡处理，再使用标注工具对翼型表面结冰图像中的结冰区域的轮廓进行标注，并在该区域打上相应的标签，得到结冰检测模型训练数据集中的训练和测试图像样本；
[0009]步骤三、使用所述训练数据集，训练结冰区域检测的语义分割网络；
[0010]步骤四、启动冰风洞，实时获取试验段中翼型的结冰图像，经过畸变矫正、去雾和直方图均衡处理后输入到训练好的结冰区域检测模型，输出目标图像中若干结冰区域的位置坐标(x
i
,y
i
)，其中x
i
、y
i
为像素坐标系下的坐标；
[0011]步骤五、判定实际结冰区域，利用已经标定得到的相机参数，将输出的结冰区域像素坐标转换为世界坐标系下的实际坐标并输出，得到翼型上结冰区域，计算得到翼型上各个结冰区域面积之和，结合计算机自带的定时器也可以计算得到翼型在实验条件下的结冰速度。
[0012]进一步的，所述步骤三具体实现步骤为：
[0013]步骤3.1、采用由卷积和池化等组成的结构完成对预处理的翼型表面图像的特征提取，重复多次，构成网络模型的编码部分，每一次的下采样特征通道的数量翻一倍；
[0014]步骤3.2、解码部分中，对获取的特征图进行反卷积，特征通道数量减半、特征图大小加倍，反卷积的结果和编码部分对应步骤的结果拼接起来，拼接起来的特征图再进行两次卷积，重复多次，最后将特征图转化为特定类别数量的结果；
[0015]步骤3.3、采用多监督的方式，将解码阶段每部分的输出全部输入至损失函数，反向传播计算，最终生成结冰区域检测模型，所述损失函数要求为：
[0016][0017]其中A为先验mask，B为预测mask。
[0018]进一步的，所述步骤3.1中利用主成分分析确定每个卷积层中卷积核的初值，具体步骤为：
[0019]步骤3.1.1、对于编码部分所求大小为k
×
k的卷积核，将每个输入样本使用大小为k
×
k的patch提取出来并打成一行，构成数据样本，再求其协方差矩阵；
[0020]步骤3.1.2、对于编码部分每层N个卷积层，求解协方差矩阵的前N个特征向量，特征向量为1
×
kk，按照行优先的顺序分别将N个特征向量中的值对应为M个卷积核的值。
[0021]进一步的，所述步骤五具体实现步骤为：
[0022]步骤5.1、通过预先标定的翼型上单位长度，得到世界坐标系与像素坐标系的比例系数k
x
、k
y
：
[0023][0024][0025]其中，w
x
、w
x
为世界坐标系下坐标，x、y为像素坐标系下坐标；
[0026]步骤5.2、由于冰风洞中风速较大，翼型上某些区域新结的冰容易被风吹走，这些区域对翼型并无明显影响，因此根据视频显示，结合冰风洞实验的一系列参数，设定一定时间作为阈值，满足阈值仍存在于翼型之上的冰才将其认定为实际结冰；
[0027]步骤5.3、将步骤四中获得的结冰区域坐标(x
i
,y
i
)转化为世界坐标系下的坐标：
[0028](w
x
,w
x
)＝(k
x
x
i
,k
y
y
i
)
[0029]步骤5.4、通过图像二值化找到结冰区域最外围的坐标，利用三次样条插值画出结冰区域的轮廓；
[0030]步骤5.5、计算得到翼型所有结冰区域面积之和S：
[0031][0032]其中，n为翼型结冰区域个数，S
i
为个区域结冰面积；
[0033]步骤5.6、由于本专利技术是基于二维平面对结冰区域进行判断，因此通过单位时间增长的结冰面积作为翼型的结冰速度v：
[0034][0035]其中，ΔS为增长的面积，t为时间。
[0036]第二方面，本专利技术提供一种冰风洞中翼型结冰区域检测装置，装置包括：
[0037]标定模块，用于对安装在试验段中的相机进行标定，获取相机内参矩阵、各相机间的平移、旋转矩阵以及各相机的畸变系数；
[0038]获取模块，用于获取冰风洞中翼型结冰的原始图像；
[0039]预处理模块，用于对所述原始图像进行数据处理，利用所述相机的畸变系数，对原始图像进行畸变矫正，并进行去雾和直方图均衡化处理，得到数据预处理之后的数据集；
[0040]训练模块，用于构建结冰区域检测模型，利用所述数据集作为输入构建结冰区域检测模型，优化模型参数，得到用于结冰区域检测的推理模型；
[0041]检测模块，用于实时获取翼型实验时的图像，将其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种冰风洞中翼型结冰区域检测方法，其特征在于，包括如下步骤：步骤一、在冰风洞试验段放置标定板，确保标定板在相机中成像清晰，通过调整标定板的位置，记录不同方位、角度下标定板的多张图像，通过计算得到相机的内参矩阵、各相机间的平移、旋转矩阵以及各相机的畸变系数；步骤二、利用布置好的相机拍摄实验翼型，获取原始图像，基于图像预处理算法，对图像进行畸变矫正、去雾处理和直方图均衡处理，再使用标注工具对翼型表面结冰图像中的结冰区域的轮廓进行标注，并在该区域打上相应的标签，得到结冰检测模型训练数据集中的训练和测试图像样本；步骤三、使用所述训练数据集，训练结冰区域检测的语义分割网络；步骤四、启动冰风洞，实时获取试验段中翼型的结冰图像，经过畸变矫正、去雾和直方图均衡处理后输入到训练好的结冰区域检测模型，输出目标图像中若干结冰区域的位置坐标(x
i
,y
i
)，其中x
i
、y
i
为像素坐标系下的坐标；步骤五、判定实际结冰区域，利用已经标定得到的相机参数，将输出的结冰区域像素坐标转换为世界坐标系下的实际坐标并输出，得到翼型上结冰区域，计算得到翼型上各个结冰区域面积之和，结合计算机自带的定时器也可以计算得到翼型在实验条件下的结冰速度。2.一种如权利要求1所述的冰风洞中翼型结冰区域检测方法，其特征在于，所述步骤三具体实现步骤为：步骤3.1、采用由卷积和池化等组成的结构完成对预处理的翼型表面图像的特征提取，重复多次，构成网络模型的编码部分，每一次的下采样特征通道的数量翻一倍；步骤3.2、解码部分中，对获取的特征图进行反卷积，特征通道数量减半、特征图大小加倍，反卷积的结果和编码部分对应步骤的结果拼接起来，拼接起来的特征图再进行两次卷积，重复多次，最后将特征图转化为特定类别数量的结果；步骤3.3、采用多监督的方式，将解码阶段每部分的输出全部输入至损失函数，反向传播计算，最终生成结冰区域检测模型，所述损失函数要求为：其中A为先验mask，B为预测mask。3.一种如权利要求1所述的冰风洞中翼型结冰区域检测方法，其特征在于，所述步骤3.1中利用主成分分析确定每个卷积层中卷积核的初值，具体步骤为：步骤3.1.1、对于编码部分所求大小为k
×
k的卷积核，将每个输入样本使用大小为k
×
k的patch提取出来并打成一行，构成数据样本，再求其协方差矩阵；步骤3.1.2、对于编码部分每层N个卷积层，求解协方差矩阵的前N个特征向量，特征向量为1
×
kk，按照行优先的顺序分别将N个特征向量中的值对应为M个卷积核的值。4.一种如权利要求1所述的冰风洞中翼型结冰区域...

【专利技术属性】
技术研发人员：吕湘连，苏鑫，管润程，黄鼎，苑伟政，何洋，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：