一种冷源拦截网绳索形态异常的智能检测方法技术

本发明专利技术公开了一种冷源拦截网绳索形态异常的智能检测方法，包括采集目标拦截网的监控视频数据；对所述监控视频数据进行抽帧处理得到待检测的帧图片；利用YOLO网络模型判断识别出所述帧图片中的拦截网区域；将从模板库中抽取的模板图片与待检测的帧图片中一起输入孪生网络模型中以评价两者在拦截网区域的相似度，若两者的相似度小于预设阈值，则表明两者为不同类，说明绳索形态异常并进行警报提示。本发明专利技术提供的智能检测方法将YOLO网络模型与孪生网络模型相结合，以实现对拦截网形态异常的准确判断。的准确判断。的准确判断。

【技术实现步骤摘要】
一种冷源拦截网绳索形态异常的智能检测方法


[0001]本专利技术涉及冷源拦截网绳索形态检测
，尤其涉及一种冷源拦截网绳索形态异常的智能检测方法。

技术介绍

[0002]取水口安全性对核电站至关重要，拦截网的用于拦截海洋生物，关系到了取水口的安全。鉴于取水口对核电站的重要性，国内外学者对拦截网状态的采用了多种方法进行监控，目前主流的方法主要是根据拉力计对拦截网的受力情况进行研究，然后根据的到的结论指定预警机制；基于拉力计读数进行判断拦截网状态是否异常，因为拉力计的值是单一的，且现有预警依据是历史经验的推导，因此模式较为单一，具有先验性。例如，有人通过取水拦网设置波浪物理模型试验，研究拦截网及高桩承台在不同拦截网阻塞率条件下的受力变化；有人通过构建等效拦截网实验模型，研究在不同水位，波浪及堵塞率组合工况下测量得到的拦截网主绳及拦截网锚碇墩台的受力情况；有人根据拦截网网衣受力试验的模型相似条件，通过试验研究了网状结构在不同材料，网孔大小和网绳厚度下的拉力值情况；有人通过对已有检测数据的规律总结和拦网变形受力计算总结出拦网受力的一般规律，据此制定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种冷源拦截网绳索形态异常的智能检测方法，其特征在于，包括以下步骤：S1、采集目标拦截网的监控视频数据；S2、对所述监控视频数据进行抽帧处理得到待检测的帧图片；S3、利用YOLO网络模型判断识别出所述帧图片中的拦截网区域；S4、将从模板库中抽取的模板图片与待检测的帧图片中一起输入孪生网络模型中以评价两者在拦截网区域的相似度，若两者的相似度小于预设阈值，则表明两者为不同类，说明绳索形态异常并进行警报提示，否则，则表明两者为同类，将该帧图片作为模板图片存储至模板库中，并再次执行步骤S1
‑
S4。2.根据权利要求1所述的智能检测方法，其特征在于，所述监控视频数据在时序上的第一个帧图片为绳索形态正常的图片，所述第一个帧图片利用所述YOLO网络模型判断识别出对应的拦截网区域，以作为模板图片存储至所述模板库。3.根据权利要求2所述的智能检测方法，其特征在于，在所述模板图片存储至所述模板库时，记录所述模板图片的序号；抽取与待检测的帧图片序号最接近的模板图片以进行相应的相似度评价。4.根据权利要求1所述的智能检测方法，其特征在于，在出现报警提示的时候，将抽取的帧图片与所述模板库中其他的模板图片进行相似度评价并做出相应判断，同时工作人员对相应的帧图片进行复核判断，若所述模板库中其他的模板图片对应的判断与所述工作人员的判断一致，则提高相应模板图片的抽取优先度，否则，则降低相应模板图片的抽取优先度；在步骤S4中，抽取的模板图片对应的抽取优先度需要大于规定值。5.根据权利要求1所述的智能检测方法，其特征在于，摄像头每间隔一个预设周期采集一次所述目标拦截网的监控视频数据，以作为一个采样样本，并实时输出。6.根据权利要求5所述的智能检测方法，其特征在于，所述摄像头每次采集n秒的监控视频数据，从中抽取多个待检测的...

【专利技术属性】
技术研发人员：孟威，王帅，刘笑麟，朱铭杰，王向文，田慧慧，
申请(专利权)人：中国广核集团有限公司中国广核电力股份有限公司，
类型：发明
国别省市：