System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,尤其涉及基于发动机羽流图像识别火焰的方法、装置、计算机设备及存储介质。
技术介绍
1、液体火箭发动机涡轮泵联试及半系统试车是发动机研制过程中考核系统匹配性和可靠性的一项重要试验。在试车过程中,监测了发动机转速、温度和压力等参数,这些参数对于发动机的某些故障模式(如局部烧蚀)不敏感,具有滞后性,导致出现故障时难以定位故障的起始时刻,给故障问题的原因分析带来困难。发动机试车的羽流图像可以反映发动机内部的工作状态,发动机内部轻微碰磨、局部烧蚀等故障会导致羽流颜色的改变,通过颜色变化特征可以实现故障判别和故障时刻的定位。
2、发动机试车羽流高速视频每秒有500张的图像,现有的方法基于人眼判断火焰出现的时刻,这种方法存在如下不足:1)发动机试车包含大量的羽流图像数据,人眼判读耗费时间长,容易漏掉图像的局部细节;2)人眼对颜色的绝对值不敏感,只对颜色的变化敏感,造成同一人在不同场景下判读结果不一致;3)不同人对颜色的敏感程度不同,造成故障起始时刻判读结果不一致。因此,目前亟需算法对发动机羽流图像中的火焰区域进行识别,以提高火焰区域识别的效率以及准确率。
技术实现思路
1、本申请实施例提供的基于发动机羽流图像识别火焰的方法、装置、计算机设备及存储介质,用于对发动机羽流图像中的火焰区域进行识别,以提高火焰区域识别的效率以及准确率。
2、本专利技术实施例提供的基于发动机羽流图像识别火焰的方法,所述方法包括:
3、获取拍摄试车时发动机尾焰位置区域
4、获取每帧羽流图像中各个像素点分别对应的rgb特征、hsv特征;
5、计算第2帧羽流图像至第n帧羽流图像分别与第1帧羽流图像的hsv特征的差值;
6、将第2帧羽流图像至第n帧羽流图像对应的rgb特征、hsv特征、hsv特征的差值分别组成颜色特征向量;
7、将第2帧羽流图像至第n帧羽流图像分别对应的颜色特征向量输入到火焰识别模型中,得到第2帧羽流图像至第n帧羽流图像分别对应的火焰识别结果。
8、在本专利技术提供的一个可选实施例中,所述获取拍摄试车时发动机尾焰位置区域的羽流图像序列,包括:
9、获取拍摄试车时发动机尾焰位置区域的图像视频,并将所述图像视频转换为图像序列;
10、将所述图像序列中发动机点火后形成的稳定羽流图像确定为目标图像;
11、将所述目标图像及其之后的图像确定为羽流图像序列。
12、在本专利技术提供的一个可选实施例中,所述获取拍摄试车时发动机尾焰位置区域的羽流图像序列之后,所述方法还包括:
13、获取所述羽流图像序列中每帧羽流图像分别对应的预置特征区域;
14、根据所述预置特征区域对各帧羽流图像进行匹配,得到稳像的羽流图像序列。
15、在本专利技术提供的一个可选实施例中,所述方法还包括:
16、获取每帧羽流图像中各个像素点分别对应的ycbcr特征;
17、根据第2帧羽流图像至第n帧羽流图像分别对应的rgb特征、hsv特征、ycbcr特征、hsv特征的差值确定各帧羽流图像对应的颜色特征向量;
18、将第2帧羽流图像至第n帧羽流图像分别对应的颜色特征向量输入到火焰识别模型中,得到第2帧羽流图像至第n帧羽流图像分别对应的火焰识别结果。
19、在本专利技术提供的一个可选实施例中,所述火焰识别模型的训练过程为:
20、获取羽流图像样本序列,所述羽流图像样本序列包括m帧羽流样本图像,所述羽流样本图像中标注有火焰区域,m为大于1的正整数;
21、确定所述羽流图像样本序列中每帧羽流样本图像中各个像素点分别对应的rgb特征、hsv特征;
22、计算第2帧羽流样本图像至第m帧羽流样本图像分别与第1帧羽流样本图像的hsv特征的差值;
23、将第2帧羽流样本图像至第m帧羽流样本图像的rgb特征、hsv特征、hsv特征的差值分别组成的颜色特征样本向量作为训练数据,所述羽流样本图像中标注的火焰区域作为标签进行模型训练得到所述火焰识别模型。
24、在本专利技术提供的一个可选实施例中,所述火焰识别模型的训练过程为:
25、获取羽流图像样本序列,所述羽流图像样本序列包括m帧羽流样本图像,所述羽流样本图像中标注有火焰区域;
26、确定所述羽流图像样本序列中每帧羽流样本图像中各个像素点分别对应的rgb特征、hsv特征、ycbcr特征;
27、计算第2帧羽流样本图像至第m帧羽流样本图像分别与第1帧羽流样本图像的hsv特征的差值;
28、将第2帧羽流样本图像至第m帧羽流样本图像的rgb特征、hsv特征、ycbcr特征、hsv特征的差值分别组成的颜色特征样本向量作为训练数据,所述羽流样本图像中标注的火焰区域作为标签进行模型训练得到所述火焰识别模型。
29、在本专利技术提供的一个可选实施例中,所述方法还包括:
30、通过主元分析法对所述颜色特征样本向量进行降维。
31、本专利技术实施例提供的基于发动机羽流图像识别火焰的装置,所述装置包括:
32、获取模块,用于获取拍摄试车时发动机尾焰位置区域的羽流图像序列,所述羽流图像序列中包括n帧羽流图像,n为大于1的正整数;
33、所述获取模块,还用于获取每帧羽流图像中各个像素点分别对应的rgb特征、hsv特征;
34、计算模块,用于计算第2帧羽流图像至第n帧羽流图像分别与第1帧羽流图像的hsv特征的差值;
35、组成模块,用于将第2帧羽流图像至第n帧羽流图像对应的rgb特征、hsv特征、hsv特征的差值分别组成颜色特征向量;
36、预测模块,用于将第2帧羽流图像至第n帧羽流图像分别对应的颜色特征向量输入到火焰识别模型中,得到第2帧羽流图像至第n帧羽流图像分别对应的火焰识别结果。
37、本专利技术实施例提供的计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述的基于发动机羽流图像识别火焰的方法。
38、本专利技术实施例提供的计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时上述基于发动机羽流图像识别火焰的方法。
39、本专利技术实施例提供的计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于发动机羽流图像识别火焰的方法。
40、本专利技术提供的基于发动机羽流图像识别火焰的方法、装置、计算机设备及存储介质,首先获取拍摄试车时发动机尾焰位置区域的羽流图像序列,该羽流图像序列中包括n帧羽流图像;然后获取每帧羽流图像中各个像素点分别对应的rgb特征、hsv特征;并计算第2帧羽流图像至第n帧羽流图像分别与第1帧羽流图像的hsv本文档来自技高网...
【技术保护点】
1.基于发动机羽流图像识别火焰的方法,其特征在于,所述方法包括:
2.根据权利要求1所述基于发动机羽流图像识别火焰的方法,其特征在于,所述获取拍摄试车时发动机尾焰位置区域的羽流图像序列,包括:
3.根据权利要求2所述基于发动机羽流图像识别火焰的方法,其特征在于,所述获取拍摄试车时发动机尾焰位置区域的羽流图像序列之后,所述方法还包括:
4.根据权利要求1所述基于发动机羽流图像识别火焰的方法,其特征在于,所述方法还包括:
5.根据权利要求1所述基于发动机羽流图像识别火焰的方法,其特征在于,所述火焰识别模型的训练过程为:
6.根据权利要求4所述基于发动机羽流图像识别火焰的方法,其特征在于,所述火焰识别模型的训练过程为:
7.根据权利要求5或6所述基于发动机羽流图像识别火焰的方法,其特征在于,所述方法还包括:
8.基于发动机羽流图像识别火焰的装置,其特征在于,所述装置包括:
9.计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所
10.计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于发动机羽流图像识别火焰的方法。
...【技术特征摘要】
1.基于发动机羽流图像识别火焰的方法,其特征在于,所述方法包括:
2.根据权利要求1所述基于发动机羽流图像识别火焰的方法,其特征在于,所述获取拍摄试车时发动机尾焰位置区域的羽流图像序列,包括:
3.根据权利要求2所述基于发动机羽流图像识别火焰的方法,其特征在于,所述获取拍摄试车时发动机尾焰位置区域的羽流图像序列之后,所述方法还包括:
4.根据权利要求1所述基于发动机羽流图像识别火焰的方法,其特征在于,所述方法还包括:
5.根据权利要求1所述基于发动机羽流图像识别火焰的方法,其特征在于,所述火焰识别模型的训练过程为:
6.根据权利要求4所述基于发动机羽流图像识别火焰...
【专利技术属性】
技术研发人员:高玉闪,闫松,梁小虎,夏益智,杨亚龙,秦红强,张志伟,
申请(专利权)人:西安航天动力研究所,
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。