自动检测核电站混凝土结构缺陷类型的方法和系统与流程

本发明属于核电站安全评估，具体涉及一种自动检测核电站混凝土结构缺陷类型的方法和系统。

背景技术：

1、核电站建构筑物作为核安全的重要组成部分，在稳定地基、结构支撑、生物屏蔽、密封性等方面有关键作用，其服役性能直接决定核电站是否能持续安全运行。然而随着核电厂运行时间的增加，构筑物老化导致的腐蚀、开裂、剥落、渗漏等问题频发，且失效事件随核电厂服役时间的增加而不断快速增长，严重威胁人员、系统设备及机组安全。

2、由于核电厂构筑物数量多，日常运维检查范围广，检查主要以目视检查为主，但受现场环境、检查方法、检查区域可达性等限制，检查长期存在着检查手段单一、检查工期长、检查风险高、范围覆盖不全面等问题。同时目视检查依赖于训练有素的检测人员，他们根据专业知识和多年的经验来识别混凝土结构表面的缺陷。但由于不同的检测人员会根据现有的准则和他们过去的经验进行评估，因此检测结果具有主观性，往往会出现差异。

技术实现思路

1、本发明的目的是提供一种检测效率高、检测结果稳定准确，从而降低核电站安全风险的自动检测核电站混凝土结构缺陷类型的方法和系统。

2、为达到上述目的，本发明采用的技术方案是：

3、一种自动检测核电站混凝土结构缺陷类型的方法，包括以下步骤：

4、步骤1：获取具有不同缺陷类型的核电站混凝土结构的原始图片，对所述原始图片进行预处理而得到构成样本集的样本图片，所述原始图片的数量满足模型训练需求；

5、步骤2：将所述样本图片划分为构成训练集的训练图片和构成验证集的验证图片，并对所述训练集进行图片数量扩充；

6、步骤3：针对每一类缺陷类型分别构建mobilenetv3模型，并利用所述训练图片训练对应缺陷类型的所述mobilenetv3模型，直至完成模型训练得到各类缺陷类型对应的单类缺陷检测模型；

7、步骤4：将各类缺陷类型对应的单类缺陷检测模型合并，得到用于多类缺陷类型预测的组合模型，所述组合模型的最终输出结果基于预设的阈值和投票分布而确定；

8、步骤5：利用所述验证图片对所述组合模型进行验证，在验证过程中利用准确率和混淆矩阵对所述组合模型的效果进行评估，并根据评估结果调整所述阈值和/或所述组合模型，验证后得到用于多类缺陷类型识别的最终组合模型；

9、步骤6：利用所述最终组合模型对新采集到的核电站混凝土结构缺陷图片进行检测，得到对应的缺陷类型。

10、所述步骤1中，对所述原始图片进行的预处理包括：图像增强、大小调整和归一化处理。

11、所述步骤1中，使用sr3模型对所述原始图片进行图像增强。

12、所述步骤1中，通过减去平均值并除以标准偏差值的方式进行归一化处理。

13、所述步骤2中，按照2:1的数量比例划分所述训练集和所述验证集。

14、所述步骤2中，通过随机旋转、缩放、对称填充方式对所述训练集进行图片数量扩充。

15、所述步骤3中，使用adam优化器和加权bce损失函数并采用不同的学习效率训练所述mobilenetv3模型，在训练过程中计算所述mobilenetv3模型的验证损失，若出现最佳验证损失，则保存当前所述mobilenetv3模型的参数作为最佳模型，每次更换学习效率时，加载已获得的最佳模型。

16、所述步骤3中，所述学习效率由le-2逐步变更至1e-7。

17、所述步骤5中，对于任意一张所述验证图片，所述组合模型的最终输出结果的确定方式为：若所述组合模型中所包括的各个单类缺陷检测模型在判断后输出为“非本类型缺陷”的数量达到所述阈值，则所述组合模型的输出结果为“非缺陷”；若所述组合模型中所包括的各个单类缺陷检测模型在判断后输出为“非本类型缺陷”的数量未达到所述阈值，则根据各个单类缺陷检测模型在判断后输出为“是本类型缺陷”的情况输出缺陷结果。

18、一种自动检测核电站混凝土结构缺陷类型的系统，包括：

19、原始图片获取模块，所述原始图片获取模块用于获取具有不同缺陷类型的核电站混凝土结构的原始图片，对所述原始图片进行预处理而得到构成样本集的样本图片，所述原始图片的数量满足模型训练需求；

20、图片集处理模块，所述图片集处理模块用于将所述样本图片划分为构成训练集的训练图片和构成验证集的验证图片，并对所述训练集进行图片数量扩充；

21、单类缺陷模型训练模块，所述单类缺陷模型训练模块用于针对每一类缺陷类型分别构建mobilenetv3模型，并利用所述训练图片对应训练对应缺陷类型的所述mobilenetv3模型，直至完成模型训练得到各类缺陷类型对应的单类缺陷检测模型；

22、模型组合模块，所述模型组合模块用于将各类缺陷类型对应的单类缺陷检测模型合并，得到用于多类缺陷类型预测的组合模型，所述组合模型的最终输出结果基于预设的阈值和投票分布而确定；

23、模型验证模块，所述模型验证模块用于利用所述验证图片对所述组合模型进行验证，在验证过程中利用准确率和混淆矩阵对所述组合模型的效果进行评估，并根据评估结果调整所述阈值和/或所述组合模型，验证后得到用于多类缺陷类型识别的最终组合模型；

24、缺陷判定模块，所述缺陷判定模块用于利用所述最终组合模型对新采集到的核电站混凝土结构缺陷图片进行检测，得到对应的缺陷类型。

25、由于上述技术方案运用，本发明与现有技术相比具有下列优点：本发明能够快速、准确的检测核电站混凝土结构的各类型缺陷，从而降低核电站的安全风险，对混凝土缺陷智能化检测具有重要意义。

技术特征：

1.一种自动检测核电站混凝土结构缺陷类型的方法，其特征在于：所述自动检测核电站混凝土结构缺陷类型的方法包括以下步骤：

2.根据权利要求1所述的自动检测核电站混凝土结构缺陷类型的方法，其特征在于：所述步骤1中，对所述原始图片进行的预处理包括：图像增强、大小调整和归一化处理。

3.根据权利要求2所述的自动检测核电站混凝土结构缺陷类型的方法，其特征在于：所述步骤1中，使用sr3模型对所述原始图片进行图像增强。

4.根据权利要求2所述的自动检测核电站混凝土结构缺陷类型的方法，其特征在于：所述步骤1中，通过减去平均值并除以标准偏差值的方式进行归一化处理。

5.根据权利要求1所述的自动检测核电站混凝土结构缺陷类型的方法，其特征在于：所述步骤2中，按照2:1的数量比例划分所述训练集和所述验证集。

6.根据权利要求1所述的自动检测核电站混凝土结构缺陷类型的方法，其特征在于：所述步骤2中，通过随机旋转、缩放、对称填充方式对所述训练集进行图片数量扩充。

7.根据权利要求1所述的自动检测核电站混凝土结构缺陷类型的方法，其特征在于：所述步骤3中，使用adam优化器和加权bce损失函数并采用不同的学习效率训练所述mobilenetv3模型，在训练过程中计算所述mobilenetv3模型的验证损失，若出现最佳验证损失，则保存当前所述mobilenetv3模型的参数作为最佳模型，每次更换学习效率时，加载已获得的最佳模型。

8.根据权利要求7所述的自动检测核电站混凝土结构缺陷类型的方法，其特征在于：所述步骤3中，所述学习效率由le-2逐步变更至1e-7。

9.根据权利要求1所述的自动检测核电站混凝土结构缺陷类型的方法，其特征在于：所述步骤5中，对于任意一张所述验证图片，所述组合模型的最终输出结果的确定方式为：若所述组合模型中所包括的各个单类缺陷检测模型在判断后输出为“非本类型缺陷”的数量达到所述阈值，则所述组合模型的输出结果为“非缺陷”；若所述组合模型中所包括的各个单类缺陷检测模型在判断后输出为“非本类型缺陷”的数量未达到所述阈值，则根据各个单类缺陷检测模型在判断后输出为“是本类型缺陷”的情况输出缺陷结果。

10.一种自动检测核电站混凝土结构缺陷类型的系统，用于实施如权利要求1至9中任一项所述的自动检测核电站混凝土结构缺陷类型的方法，其特征在于：所述自动检测核电站混凝土结构缺陷类型的系统包括：

技术总结
本发明涉及一种自动检测核电站混凝土结构缺陷类型的方法和系统。方法为：获取具有不同缺陷类型的核电站混凝土结构的原始图片并划分为训练图片和验证图片，利用训练图片训练对应缺陷类型的建MobileNetV3模型，训练后将各单类缺陷检测模型合并得到组合模型，利用验证图片对组合模型进行验证，验证后得到用于多类缺陷类型识别的最终组合模型；则利用最终组合模型对新采集到的核电站混凝土结构缺陷图片进行检测，得到对应的缺陷类型。系统包括依次连接的原始图片获取模块、图片集处理模块、单类缺陷模型训练模块、模型组合模块、模型验证模块和缺陷判定模块。本发明能够快速、准确的检测核电站混凝土结构的各类型缺陷，降低核电站的安全风险。

技术研发人员：马骏,董怡婷,耶和华·表奎恩,郑秋枫,李毅
受保护的技术使用者：苏州热工研究院有限公司
技术研发日：
技术公布日：2024/4/29