[發明專利]基于深度學習的圖像演化分析方法

有效

• 申請號: 202010211522.1
• 申請日: 2020-03-24
• 公開（公告）號: CN111402249B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 劉君;楊延西;魏永貴;黃雪飛;鄧毅;宋念龍;王衛平;潘正權;易廣宙
• 申請（專利權）人: 東方電氣集團東方鍋爐股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/45;G06N3/04;G06N3/08
• 代理公司: 成都泰合道知識產權代理有限公司 51231
• 代理人: 向晟

本發明屬于圖像處理領域，具體涉及空預器轉子的積灰狀態圖像的演化分析方法，采集空預器轉子的紅外圖像后，紅外熱像機傳輸至圖像處理模塊；接收圖像后進行圖像預處理，轉化所述預處理的紅外圖像為灰度曲線圖像；增強所述灰度曲線圖像以突出目標區域；根據所述增強后的灰度曲線圖像，建立灰度共生矩陣；分析灰度共生矩陣相關統計量，提取紋理特征參數；建立深度信念網絡分析模型并進行訓練與測試；訓練后的模型根據紋理特征參數分析空預器轉子的積灰狀態，對積灰程度的進行有效檢測和監視，分析圖像獲取積灰具體狀態，能夠提前預測空預器堵塞可能性，指導運行人員進行優化運行吹灰系統，從而提高空氣預熱器正常運行期間的工作效率。

技術領域

本發明屬于圖像處理領域，具體涉及空預器轉子的積灰狀態圖像的演化分析方法。

背景技術

目前，大型電站鍋爐廣泛采用回轉式空氣預熱器(簡稱空預器)，空預器普遍存在堵塞問題，空預器堵塞將導致一系列問題。回轉式空預器內部開始積灰至一定程度時，蒸汽吹灰器難以深度清灰，當通道完全堵灰時，在線處理難度大。為了減少積灰和腐蝕的危害，目前空預器普遍采用吹灰器進行吹掃。但由于缺乏有效的檢測和觀察手段，導致普遍存在吹損的問題。因此，在空預器熱態運行中在線監測受轉子熱面的積灰程度、積灰分布，根據需要進行優化吹灰與沖洗操作，有效提高機組運行的經濟性和安全性是十分必要的。近年來，電站鍋爐受熱面的積灰程度和優化吹灰的研究受到關注。

隨著計算機技術和控制技術的發展，各種軟件系統、人工智能、在線監測等技術已逐步應用于吹灰優化。雖然近年來取得了較大的成果，但其原理仍然是運用空氣預換熱折算壓差實現空氣預熱積灰程度檢測，尤其測量傳感部分都只是數值顯示或定性評判，均無法讓操作人員直觀的看到空預器轉子的積灰具體狀態。

發明內容

為解決以上現有技術的不足，本發明對積灰程度的進行有效檢測和監視，分析圖像獲取積灰具體狀態，能夠提前預測空預器堵塞可能性。

本發明采用以下技術方案：提供一種基于深度學習的圖像演化分析方法，包括以下步驟：

S1：采集空預器轉子的紅外圖像后，紅外熱像機傳輸至圖像處理模塊；

S2：接收圖像后進行圖像預處理，轉化所述預處理的紅外圖像為灰度曲線圖像；

S3：增強所述灰度曲線圖像以突出目標區域；

S4：根據所述增強后的灰度曲線圖像，建立灰度共生矩陣；

S5：分析灰度共生矩陣相關統計量，提取紋理特征參數；

S6：建立深度信念網絡分析模型并進行訓練與測試；

S7：訓練后的模型根據紋理特征參數分析空預器轉子的積灰狀態。

進一步地，步驟S2所述轉化方法進一步包括以下步驟：

(1)利用Sobel兩個方向上的算子在輸入圖像f(x,y)上滑動；

公式如下：

其中，A與B是Sobel算子的矩陣，f(x,y)為輸入圖像；

(2)兩個方向上的算子與其覆蓋的輸入圖像上9個像素進行卷積操作，即可分別得到橫向及縱向邊緣檢測的幅值；邊緣檢測的幅值公式如下：

其中，G_x為橫向邊緣檢測幅值,G_y為縱向邊緣檢測幅值；

(3)利用橫向及縱向邊緣檢測的幅值得到該點最終的灰度值；

公式如下，

其中，G為該點的灰度值：