基于残差网络和注意力改进的U-net用于煤粉和SiO2检测方法技术

一种基于残差网络和注意力改进的U‑net用于煤粉和SiO<subgt;2</subgt;检测方法，属于图像检测技术领域。首先，对采集的图片中目标像素区域进行细致的语义标注；搭建基于结合迁移学习原理和残差网络ResNet‑50架构的多注意力机制改进的U‑net语义分割网络；然后使用改进后的U‑net语义分割网络对采集的图片进行训练，得到训练完成的网络模型；在每轮训练结束后再通过验证集的图片对网络进行指标的评估，得到最优权重文件的训练模型；最后使用训练得到的训练模型，输入测试集图像得到最后的预测结果。本发明专利技术增大了对图像的特征提取能力，保证检测速度没有相差太多的同时，提高了模型检测的准确性。

【技术实现步骤摘要】

本专利技术属于图像检测，特别是涉及一种基于残差网络和注意力改进的u-net用于煤粉和sio2检测方法。

技术介绍

1、在火电机组中的运行过程中，煤粉的质量直接影响到燃烧效率和排放的环境标准。特别是在一次风管道输送的过程中，煤粉中杂质如二氧化硅的含量对于燃烧效率和设备的磨损有着直接的影响。传统上，对于煤粉中杂质二氧化硅的检测多依赖于化学分析方法或者基于人工的视觉检测。然而，这些方法存在诸多局限性：

2、1.耗时且效率低：化学分析方法通常需要复杂的样品准备和耗时的分析过程，不适合实时监控。

3、2.主观性强：人工视觉检测依赖于操作人员的经验，容易受到主观因素的影响，且准确性和一致性难以保证。

4、3.无法实现自动化：这些传统方法难以实现完全自动化，不符合现代火力发电高效、智能化的发展需求。

技术实现思路

1、针对上述存在的目前火电燃煤机组输煤管道复杂工况下对煤粉颗粒进行的非侵入式、实时检测的技术问题，本专利技术提供一种基于残差网络和注意力改进的u-net用于煤粉和sio2检测方本文档来自技高网...

【技术保护点】

1.一种基于残差网络和注意力改进的U-net用于煤粉和SiO2检测方法，其特征在于：首先，对采集的图片中目标像素区域进行语义标注；搭建基于结合迁移学习原理和残差网络ResNet-50架构的多注意力机制改进的U-net语义分割网络；然后使用改进后的U-net语义分割网络对采集的图片进行训练，得到训练完成的网络模型；在每轮训练结束后再通过验证集的图片对网络进行指标的评估，得到最优权重文件的训练模型；最后使用训练得到的训练模型，输入测试集图像得到最后的预测结果。

2.根据权利要求1所述的基于残差网络和注意力改进的U-net用于煤粉和SiO2检测方法，其特征在于：所述图像使用搭建的一...

【技术特征摘要】

1.一种基于残差网络和注意力改进的u-net用于煤粉和sio2检测方法，其特征在于：首先，对采集的图片中目标像素区域进行语义标注；搭建基于结合迁移学习原理和残差网络resnet-50架构的多注意力机制改进的u-net语义分割网络；然后使用改进后的u-net语义分割网络对采集的图片进行训练，得到训练完成的网络模型；在每轮训练结束后再通过验证集的图片对网络进行指标的评估，得到最优权重文件的训练模型；最后使用训练得到的训练模型，输入测试集图像得到最后的预测结果。

2.根据权利要求1所述的基于残差网络和注意力改进的u-net用于煤粉和sio2检测方法，其特征在于：所述图像使用搭建的一次风管道实验平台进行数据集的采集，拍摄装置采用像素为500w的面阵相机,以及标准功率为5w的线阵光源，变速鼓风机作为送风装置，在风速为10～50m/s时拍摄管道中流动的煤粉和杂质二氧化硅，相机另一端连接上位机，采集由相机拍摄的图片；使用labelme软件对图像中目标像素的+边缘+区域进行打标签，得到带有图像语义信息的json文件，将json文件转换为可视化的八位彩色图作为数据集。

3.根据权利要求1所述的基于残差网络和注意力改进的u-net用于煤粉和sio2检测方法，其特征在于：搭建所述改进的u-net语义分割网络，包括主干特征提取网络、加强特征提取网络以及预测网络；

4.根据权利要求3所述的基于残差网络和注意力改进的u-net用于煤粉和sio2检测方法，其特征在于：所述残差网络resnet-50用于提取图片的深度特征，经过残差网络resnet...

【专利技术属性】
技术研发人员：杜官峰，罗宇鹏，张洪铮，李邵凡，胡帅，蒋忠志，于瀚博，宋梓维，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：