【技术实现步骤摘要】
本专利技术涉及水下堆芯字符识别，更具体地，涉及一种基于端到端的水下低光照核燃料组件字符识别方法。
技术介绍
1、
2、目前压水堆核电站开展核燃料实物盘存和乏池、燃料组件核查工作，均采用耐辐照水下摄像机拍照和录像的形式，三人合作逐一核对燃料组件的标识号和位置信息。随着燃料组件燃耗逐渐加深，燃料组件的标识号的拍摄图像由于光线吸收、散射、距离等因素变得过暗。燃料组件核查工作长时间占据机组大修关键路径，是各核电机组大修优化的关键难点，核燃料组件表面编号识别作是核安全核查(haf)的重要环节，亟需研发一种有效解决过暗图像的编号识别算法，帮助人工缩短对核燃料组件实物盘存的时间。
技术实现思路
1、本专利技术旨在克服上述缺陷，提供一种基于端到端的水下低光照核燃料组件字符识别方法，通过数据预处理、数据增强、模型改进以及模型融合，建立了水下低光照核燃料组件字符识别框架，可以实现利用计算机视觉代替人眼进行高效、准确的核燃料组件实物盘存工作。
2、作为本专利技术的第一个方面，提供一种基于端到端的水下低光照核燃料组件字符识别方法，包括如下步骤：
3、步骤s1：获取历史水下核燃料组件的原始图像，并对所述历史水下核燃料组件的原始图像进行预处理，以得到所述历史水下核燃料组件的清晰图像；
4、步骤s2：根据所述历史水下核燃料组件的清晰图像生成正样本训练集；同时对所述历史水下核燃料组件的清晰图像中的字符进行标注并生成字符标签信息，并根据所述历史水下核燃料组件的清晰图像
5、步骤s3：分别获取低光照图像优化模型和east模型，并对所述east模型进行处理，以得到east字符识别模型；
6、步骤s4：利用所述正样本训练集训练所述低光照图像优化模型，以得到训练后的低光照图像优化模型；同时利用所述历史水下核燃料组件字符训练集训练所述east字符识别模型，以得到训练后的east字符识别模型；
7、步骤s5：获取待识别水下核燃料组件的原始图像，并对所述待识别水下核燃料组件的原始图像进行预处理，以得到所述待识别水下核燃料组件的清晰图像；
8、步骤s6：将所述待识别水下核燃料组件的清晰图像输入到所述训练后的低光照图像优化模型中进行图像优化，以输出所述待识别水下核燃料组件的优化后清晰图像，然后将所述待识别水下核燃料组件的优化后清晰图像输入到所述训练后的east字符识别模型中进行字符识别，以输出所述待识别水下核燃料组件的字符识别结果。
9、进一步地，所述对所述历史水下核燃料组件的原始图像进行预处理，以得到所述历史水下核燃料组件的清晰图像，还包括：
10、对所述历史水下核燃料组件的原始图像依次进行图像归一化、直方图均衡化和图像降噪，以得到所述历史水下核燃料组件的清晰图像。
11、进一步地，所述对所述待识别水下核燃料组件的原始图像进行预处理，以得到所述待识别水下核燃料组件的清晰图像，还包括：
12、对所述待识别水下核燃料组件的原始图像依次进行图像归一化、直方图均衡化和图像降噪，以得到所述待识别水下核燃料组件的清晰图像。
13、进一步地，所述对所述历史水下核燃料组件的清晰图像中的字符进行标注并生成字符标签信息，还包括：
14、标注所述历史水下核燃料组件的清晰图像中的字符区域位置和字符区域内容，并生成所述历史水下核燃料组件的清晰图像的字符区域位置标签信息和字符区域内容标签信息。
15、进一步地，所述对所述east模型进行处理，以得到east字符识别模型，还包括：
16、所述east字符识别模型包括特征提取网络、特征融合网络和输出层，所述特征提取网络包括4个可变形卷积阶段，分别为第一可变形卷积阶段、第二可变形卷积阶段、第三可变形卷积阶段和第四可变形卷积阶段；
17、通过所述第一可变形卷积阶段、第二可变形卷积阶段、第三可变形卷积阶段和第四可变形卷积阶段依次提取出特征图，每当通过一个可变形卷积阶段，特征图的尺寸依次减半，卷积核的数量依次增倍；
18、将所述第四可变形卷积阶段提取出的特征图最先送入所述特征融合网络中的上池化层，将该特征图的尺寸放大1倍以得到放大后的特征图，接着将该放大后的特征图与所述第三可变形卷积阶段提取出的特征图进行拼接以得到拼接后的特征图，然后将该拼接后的特征图依次作卷积核大小为1x1和3x3的卷积以得到第一融合特征图；然后将第一融合特征图和所述第二可变形卷积阶段提取出的特征图通过上述融合过程进行融合，以得到第二融合特征图；最后将第二融合特征图和所述第一可变形卷积阶段提取出的特征图通过上述融合过程进行融合，以得到第三融合特征图；
19、将所述第三融合特征图输入到所述输出层中，以输出检测框的置信度、检测框的位置、检测框的旋转角度和任意四边形检测框的位置坐标。
20、进一步地，所述利用所述正样本训练集训练所述低光照图像优化模型，以得到训练后的低光照图像优化模型，还包括：
21、在所述低光照图像优化模型的训练过程中，以最小化稀疏正则化重构损失函数lda(d；θ)为目标，其形式如下所示：
22、
23、其中，n是块的个数，θ是所述低光照图像优化模型的参数，kl表示kl散度，β、λ和ρ是超参数。
24、进一步地，所述利用所述历史水下核燃料组件字符训练集训练所述east字符识别模型，以得到训练后的east字符识别模型，还包括：
25、在所述east字符识别模型的训练过程中，其损失函数l的形式如下所示：
26、l＝lso+λglg
27、式中，lso是检测框的置信度的损失函数，lg是检测框的位置和旋转角度的损失函数，λg＝1；
28、其中，所述检测框的置信度的损失函数lso是类平衡交叉熵损失函数，计算公式如下：
29、
30、式中，表示检测框的置信度的预测值，y*表示检测框的置信度的真值，β是正负样本之间的平衡因子，β的计算公式如下：
31、
32、其中，所述检测框的位置和旋转角度的损失函数lg的计算公式如下：
33、lg＝laabb+λθlθ
34、
35、
36、式中，λθ是常数，表示检测框的位置的预测值，r*表示检测框的位置的真值，表示检测框的旋转角度的预测值，θ*表示检测框的旋转角度的真值。
37、进一步地，所述利用所述历史水下核燃料组件字符训练集训练所述east字符识别模型，以得到训练后的east字符识别模型，还包括：
38、在所述east字符识别模型的训练过程中，学习率的衰减策略为预热学习率与余弦退火调整学习率结合的策略；
39、所述预热学习率的函数lr(t)warmup为：
40、
41、其中，twarmup表示最大迭代次数，t表本文档来自技高网...
【技术保护点】
1.一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所述对所述历史水下核燃料组件的原始图像进行预处理，以得到所述历史水下核燃料组件的清晰图像，还包括：
3.根据权利要求1所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所述对所述待识别水下核燃料组件的原始图像进行预处理，以得到所述待识别水下核燃料组件的清晰图像，还包括：
4.根据权利要求1所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所述对所述历史水下核燃料组件的清晰图像中的字符进行标注并生成字符标签信息，还包括：
5.根据权利要求1所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所述对所述EAST模型进行处理，以得到EAST字符识别模型，还包括：
6.根据权利要求1所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所述利用所述正样本训练集训练所述低光照图像优化模型，以得到训练后
7.根据权利要求5所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所述利用所述历史水下核燃料组件字符训练集训练所述EAST字符识别模型，以得到训练后的EAST字符识别模型，还包括：
8.根据权利要求1所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所述利用所述历史水下核燃料组件字符训练集训练所述EAST字符识别模型，以得到训练后的EAST字符识别模型，还包括：
9.根据权利要求1所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所述利用所述历史水下核燃料组件字符训练集训练所述EAST字符识别模型，以得到训练后的EAST字符识别模型，还包括：
10.根据权利要求1所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所述利用所述正样本训练集训练所述低光照图像优化模型，以得到训练后的低光照图像优化模型，还包括：
...【技术特征摘要】
1.一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所述对所述历史水下核燃料组件的原始图像进行预处理，以得到所述历史水下核燃料组件的清晰图像，还包括：
3.根据权利要求1所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所述对所述待识别水下核燃料组件的原始图像进行预处理，以得到所述待识别水下核燃料组件的清晰图像，还包括：
4.根据权利要求1所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所述对所述历史水下核燃料组件的清晰图像中的字符进行标注并生成字符标签信息，还包括：
5.根据权利要求1所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所述对所述east模型进行处理，以得到east字符识别模型，还包括：
6.根据权利要求1所述的一种基于端到端的水下低光照核燃料组件字符识别方法，其特征在于，所...
【专利技术属性】
技术研发人员：袁烨，周晨，兰儒恺，张永，彭亚飞，
申请(专利权)人：元始智能科技南通有限公司，
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。