一种基于AI的锅炉炉膛水冷壁管壁图像采集与处理系统的制作方法

本发明涉及数据识别处理，尤其涉及一种基于ai的锅炉炉膛水冷壁管壁图像采集与处理系统。

背景技术：

1、在传统的锅炉运行监控中，对炉膛内部的水冷壁管壁温度和状态的监测通常依赖于手动检查或简单的传感器。这种方法存在着一些局限性，如检查周期长、数据不实时、无法准确判断管壁状况等。此外，手动检查和简单传感器很难实现对管壁局部热点、磨损或腐蚀等细微变化的监测。在现代工业环境中，锅炉的高效、安全运行是至关重要的。由于炉膛水冷壁管壁的损坏可能导致严重的经济损失和安全事故，因此对其进行实时、精准的监测显得尤为重要。随着人工智能技术的发展，特别是图像处理和机器学习方面的进步，基于ai的图像采集与处理系统为解决这一问题提供了新的可能。

2、对于锅炉炉膛水冷壁的研究有很多，王舒涛等人提出的我国发明专利“一种锅炉水冷壁壁温分布快速检测分析评估系统”，申请号：“cn202010654409.0”，主要包括：清理水冷壁壁管表面；定位标记：按水平逆时针方向对壁管进行编号并做出标记；水冷壁壁温数据的采集及记录：移动红外热像仪拍摄水冷壁，得到的热图内包括两个标记；水冷壁壁管位置识别：通过热图上的标记自动识别判断壁管的排列及位置分布；分析壁温：计算机自动提取每根水冷壁壁管的最高温、最低温、平均温；水冷壁壁温异常报警：当壁温异常时候系统进行报警；报告生成和处理：从数据库选择需要生成报告的数据、信息，自动生成报告；报警查询统计：根据不同类目查询报警记录数据。该发明对于壁管编号定位识别简单、准确，能对热图进行快速识别并提取整理，成本低且准确率高。

3、但上述技术至少存在如下技术问题：对图像数据处理的准确性较差、自适应性较低的技术问题。

技术实现思路

1、本发明提供一种基于ai的锅炉炉膛水冷壁管壁图像采集与处理系统，解决了现有技术中对图像数据处理的准确性较差、自适应性较低的技术问题。

2、本发明的一种基于ai的锅炉炉膛水冷壁管壁图像采集与处理系统，具体包括以下技术方案：

3、一种基于ai的锅炉炉膛水冷壁管壁图像采集与处理系统，包括以下部分：

4、图像录像采集模块，数据处理与转换模块，数据标注与训练模块，模型测试与部署模块，模型迭代优化模块，三维可视化监管模块，数据管理与追溯模块；

5、所述图像录像采集模块，在锅炉炉膛水冷壁管壁中进行360度全方位摄像检测，得到视频录像，并将所述视频录像提供给数据处理与转换模块；

6、所述数据处理与转换模块，将来自图像录像采集模块的视频录像转换为图像素材，并进行预处理，得到预处理后的图像数据，将预处理后的图像数据送至数据标注与训练模块进行进一步处理；

7、所述数据标注与训练模块，对来自数据处理与转换模块的图像进行标注，区分表面有缺陷和无缺陷的图像，并使用深度学习技术基于标注的图像训练表面缺陷检测算法模型，并将训练好的表面缺陷检测算法模型送至模型测试与部署模块；

8、所述模型测试与部署模块，对来自数据标注与训练模块的训练好的表面缺陷检测算法模型进行线上测试集校验，并将验证后的表面缺陷检测算法模型部署到现场，所述表面缺陷检测算法模型在实际环境中运行，并将模型分析数据结果反馈给模型迭代优化模块；

9、所述模型迭代优化模块，基于现场的模型分析数据结果进行迭代标注，重新训练表面缺陷检测算法模型，得到优化后的表面缺陷检测算法算法模型，将优化后的表面缺陷检测算法模型重新送入模型测试与部署模块，形成闭环反馈；

10、所述三维可视化监管模块，通过三维建模技术，将实时数据在三维环境中进行可视化展示，直观展现模型测试与部署模块的实时监测结果，为操作人员提供视觉辅助；

11、所述数据管理与追溯模块，保存所有检测到的问题区域的数据，进行检测数据的管理和追溯，保存相关录像画面，得到可供追溯的报警事件和录像资料，并提供数据支持给数据处理与转换模块和数据标注与训练模块，形成数据的完整生命周期管理。

12、一种基于ai的锅炉炉膛水冷壁管壁图像采集与处理方法，包括以下步骤：

13、s1.设立图像录像采集系统，对图像录像进行采集，得到锅炉炉膛水冷壁管壁的表面视频图像，并对得到的表面视频图像进行处理得到锅炉炉膛水冷壁管壁的图像；

14、s2.对锅炉炉膛水冷壁管壁的图像进行数据标注，并使用深度学习技术，基于标注的图像训练表面缺陷检测算法模型，再对表面缺陷检测算法模型进行线上测试，并将经过测试验证的表面缺陷检测算法模型部署到锅炉炉膛水冷壁管壁图像处理系统中，在部署后的初期阶段对表面缺陷检测算法模型进行现场测试，并根据现场反馈对表面缺陷检测算法模型进行调整和优化；

15、s3.对锅炉炉膛进行三维建模，将实时监测数据利用训练好的表面缺陷检测算法模型进行分析，识别管壁的缺陷和异常情况；同时将识别出的缺陷和异常情况作为报警事件记录在系统中，对锅炉炉膛水冷壁管壁的图像数据进行管理和追溯。

16、优选的，所述步骤s1，具体包括：

17、在图像录像采集系统中，制定录像计划，在所述录像计划的实现过程中，首先，利用数据分析预测关键录像时刻，使用传感器和数据采集设备实时收集锅炉运行数据，对运行数据进行清洗并选择特征，基于选择的特征构建并训练概率模型，预测异常发生的概率；进一步，设计紧急情况下的自动录像启动机制，基于逻辑判断模型判断是否启动录像；最后，实时监控锅炉运行数据，一旦检测到任何运行数据超过阈值或概率模型预测的异常概率高于预设概率阈值，立即触发录像系统。

18、优选的，在所述步骤s1中，还包括：

19、在对得到的表面视频图像进行处理得到锅炉炉膛水冷壁管壁的图像的过程中，对锅炉炉膛水冷壁管壁的表面视频图像数据进行转换，首先进行视频分帧，将视频数据分解为连续的静态帧；进一步对每个时间间隔提取一帧，保存提取的帧作为锅炉炉膛水冷壁管壁的表面图像；通过自动化的数据清洗流程对锅炉炉膛水冷壁管壁的表面图像进行预处理。

20、优选的，在所述步骤s1中，还包括：

21、在自动化的数据清洗流程实现过程中，对锅炉炉膛水冷壁管壁的表面图像使用图像纹理标识算法移除重复的图片；所述图像纹理标识算法，通过计算每张图片的纹理标识，使用优化的比对机制来识别重复图像。

22、优选的，在所述步骤s1中，还包括：

23、在自动化的数据清洗流程实现过程中，在去除重复图片之后，对剩余图像应用结合了图像的两个及以上质量维度的多维度图像质量评价算法进行质量评估。

24、优选的，所述步骤s2中，具体包括：

25、在调整优化过程中，引入渐进细化学习法，对细微特征进行识别；所述渐进细化学习法的实现过程如下：

26、首先，在进行初始特征提取时，应用深度卷积网络提取特征；进一步，对小规模的特征应用注意力机制，并引入注意力系数；进一步，将提取的特征和注意力系数结合，形成综合特征；最后，根据综合特征调整网络参数。

27、优选的，在所述步骤s2中，还包括：

28、在调整优化过程中，引入动态调节优化法，调整模型参数以适应环境变化；所述动态调节优化法实现过程如下：

29、首先，根据环境变量计算环境敏感指标；然后，根据环境敏感指标动态调整网络层参数；最后，进行迭代优化，在训练过程中不断更新环境敏感指标和网络参数。

30、本发明的技术方案的有益效果是：

31、1、本发明通过引入图像纹理标识算法计算图像的独特纹理标识，有效减少了图像处理的复杂度，提高了大规模图像去重的效率；通过多维度图像质量评价算法综合考虑图像的多个质量维度，提供了一种更精确的图像质量评估方法，增强了模型训练的准确性和效果。

32、2、本发明基于现场部署模型收集的反馈数据，进行模型迭代优化，不断提升模型的性能。引入渐进细化学习法，通过加强对小规模或细微缺陷的检测能力，提升模型对细微特征的识别能力，从而实现对更小、更细微缺陷的精准识别；动态调节优化法的引入，使得模型可以根据环境变量调整其参数，优化以适应不同的环境条件和设备性能，确保了模型在不同条件下都能保持高效和稳定的性能，在训练过程中不断更新环境敏感指标和网络参数，使模型不断适应环境的变化，保持其最优性能，所述动态调节和迭代优化策略确保了模型在长期使用过程中的稳定性和可靠性。