申请/专利权人：西安交通大学

申请日：2024-04-01

公开（公告）日：2024-07-05

公开（公告）号：CN118297975A

主分类号：G06T7/12

分类号：G06T7/12;G06T7/13;G06T7/62;G06V10/26;G06V10/25;G06V10/764;G06V10/766;G06V10/82;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明公开了一种核反应堆冷却装置抑压水池蒸汽汽羽的图像分割方法，包括以下步骤：1.利用高速摄像机拍摄各个工况下抑压水池的蒸汽汽羽图像；2.随机挑选多个工况下的图像作为测试集，验证集，训练集；3.通过labelme工具对多个工况下不同时刻的汽羽轮廓进行标注；4.训练不同学习率下的Mask‑RCNN神经网络权重值；5.使用真实掩膜和预测掩膜损失值较低的几组权重值进行测试集的掩膜预测，挑选表现最优的权重值进行图像处理；6.根据图像处理的轮廓计算主汽羽的等效长度和分离汽羽的等效直径；本发明提供了一种基于Mask‑RCNN算法的核反应堆冷却装置抑压水池蒸汽汽羽的先进图像分割方法，能够实现不同工况下抑压水池蒸汽汽羽轮廓快速且准确的标注，从而计算蒸汽汽羽的相关物理参数。

主权项：1.一种核反应堆冷却装置抑压水池蒸汽汽羽的图像分割方法，其特征在于，包括如下步骤：步骤1：利用高速摄像机拍摄各个工况下抑压水池的蒸汽汽羽图像，为了提高蒸汽汽羽面积测量的准确度，在蒸汽排放区域部署尺度标准长度参照物；步骤2：从不同工况下拍摄的图像数据中随机选取若干样本，分别划分为训练集、验证集和测试集图像数据；这一过程旨在确保训练、验证和性能测试的代表性和综合性；步骤3：对于步骤2划分的测试集、验证集、训练集图像数据，通过开源图形标注工具Labelme对多个工况下不同时刻的汽羽轮廓和分离汽泡进行标注，分离汽泡指从主汽羽中脱离的汽泡；步骤4：使用Mask-RCNN算法对训练集图像数据进行训练，得到Mask-RCNN算法的权重值，并通过验证集图像数据来计算神经网络输出的损失值；步骤5：使用真实掩膜和预测掩膜损失值较低的几组权重值进行测试集的掩膜预测，挑选使真实掩膜和预测掩膜损失值最小的权重值来进行图像处理，生成的预测掩膜图像；步骤6：根据图像处理的轮廓计算主汽羽的等效长度和分离汽泡的等效直径，步骤如下：步骤6-1：加载步骤5中生成的预测掩膜图像；步骤6-2：将预测掩膜图像转换为黑白二值化图像，计算蒸汽汽羽和分离汽泡掩膜中所有不为黑色的像素数量，这个数即为目标对象面积的像素数；步骤6-3：通过测量步骤1中参照物的实际长度以及像素数，得到预测掩膜图像分辨率与实际长度的比值；步骤6-4：将汽羽和分离汽泡的像素数转换为实际面积。

全文数据：

权利要求：

百度查询： 西安交通大学 核反应堆冷却装置抑压水池蒸汽汽羽的图像分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD