凝结水精处理树脂再生分层状态识别方法及系统与流程

本发明涉及凝结水精处理、图像机器视觉识别，具体涉及凝结水精处理树脂再生分层状态识别方法及系统。

背景技术：

1、作为现代电厂水处理中一个极为重要的环节，凝结水精处理系统可以有效地提高热力系统的水汽品质，减缓机组受热面的腐蚀、结垢，提高机组热效率，缩短机组的启动时间，保障机组的安全稳定运行。随着机组容量及参数不断提高，对水质要求也越来越高，因此，对凝结水精处理系统运行及树脂再生工艺的自动化程度要求也越来越高。

2、例如公布号为cn115072836a的现有发明专利申请文献《一种凝结水精处理树脂再生系统及其树脂擦洗终点判断方法》，该现有系统包括：树脂分离塔、阴再生罐、阳再生罐、浊度仪和废水捕捉器；树脂分离塔与阴再生罐和阳再生罐分别连接，输送分层后的阴树脂和阳树脂；阴再生罐和阳再生罐的底部排水管分别设置有取样口，分别通过阴取样管路和阳取样管路与浊度仪连接，浊度仪用于测量阴再生罐和阳再生罐的擦洗排水浊度；浊度仪排水接至废水捕捉器。由前述现有技术的具体方案实施内容可知，该现有方案在超过三个周期后判断系数d仍大于1时，则输出报警信号，人工进行判断。以及公布号为cn106017611a的现有发明专利申请文献《一种分离塔树脂界面智能监测系统及高塔法树脂分析方法》方法，包括分离塔、上视窗、中视窗、下视窗、阴树脂出口门、阳树脂出口门、上视窗相机、中视窗相机、下视窗相机、光纤电缆、工业交换机、监控计算机、人机界面、总线转换器、信号转换器、plc/dcs控制器、电气转换控制器，以及树脂分析算法程序。本发明采用智能视觉技术，利用计算机图像识别算法实现核电常规岛和火电机组水岛的凝结水精处理再生系统中树脂分离塔阳、阴树脂输出的精准控制，并对阳、阴树脂在运行、流转输送过程中产生的流失和所需补充量作出正确定量分析。根据前述现有方法的具体实施内容可知：在该现有方案中，ε’<ε则跳过树脂添加量计算。ε为人工输入允许的误差值％。在人机界面的分离塔上部窗口，人工输入分离塔直径dn。根据阳阴树脂体积配比测量值p’树脂层总高度误差率ε’，人工决定是否对阳阴树脂的量进行添加或调整。前述现有技术中，凝结水树脂再生过程的一些关键步骤仍然需要人工进行干预，不仅影响自动化程度，而且影响树脂再生效果。

3、综上，现有技术存在由于对人工操作依赖程度较高，导致再生系统自动化程度低、树脂再生效果差的技术问题。

技术实现思路

1、本发明所要解决的技术问题在于：如何解决现有技术中由于对人工操作依赖程度较高，导致再生系统自动化程度低、树脂再生效果差的技术问题。

2、本发明是采用以下技术方案解决上述技术问题的：凝结水精处理树脂再生分层状态识别方法包括：

3、s1、利用resnet50作为主干网络backbone，确定主干网络backbone网络层数、每层神经元数量；

4、s2、引入自下而上的fpn网络，以对主干网络backbone进行优化；

5、s3、确定主干网络backbone的关联参数，其中，关联参数包括：锚框步长、nms规模限制信息；

6、s4、在主干网络backbone的mask分支，设置全连接层，以得到mask r-cnn网络模型，据以识别混合树脂分层状态。

7、本发明基于优化改进后的mask r-cnn模型对混合树脂分层行状态进行识别。树脂在进行分层过程时，会产生阴阳树脂两种不同状态的树脂，且树脂之间存在分层界面。通过改进的mask r-cnn网络识别出阴阳树脂是否分离干净、两者之间是否存在互相参杂现象以及分层界面是否平整或是混乱，以在其状态异常时及时反馈，降低了凝结水精处理树脂再生分层状态识别操作对人工的依赖，提高了再生系统的自动化程度。

8、本发明针对树脂再生过程中的混合树脂分层环节，基于mask r-cnn模型，对原有网络结构进行优化并提高分类算法准确性。

9、在更具体的技术方案中，步骤s1中，resnet50神经网络包括：初始卷积层、最大池化层、不少于2个残差块以及全连接层。

10、在更具体的技术方案中，步骤s1包括：

11、s11、设置初始卷积层的尺寸、步幅，设置初始卷积层的卷积核数量；

12、s12、设置最大池化层的池化窗口尺寸，最大池化层步幅；

13、s13、设置残差块的残差卷积核尺寸、数量。

14、在更具体的技术方案中，步骤s2中，fpn网络包括：正向层网络、反向层网络。

15、在更具体的技术方案中，步骤s2包括：

16、s21、按照预置正向，顺次设置不少于2个正向分层，以作为正向层网络；

17、s22、按照预置反向，逆向设置不少于2个逆向分层，反向层网络；

18、s23、利用正向层网络及反向层网络，对输入数据进行卷积运算，以得到混合叠加效应滤除数据，之后通过3x3的卷积运算来消除上采样的混叠效应。

19、现有技术的fpn网络，一般仅设置一个正向层网络与一个反向层网络，本发明在现有fpn网络中加入额外一层正向层网络与一个反向层网络，充分利用低层和高层的信息，形成的特征图用于后续的分类和掩膜分割，能得到更高的准确率。

20、在更具体的技术方案中，步骤s3中，按预置滑窗步长设置滑窗。

21、在更具体的技术方案中，步骤s3中，利用下述逻辑，修改nms规模限制信息：

22、rpn_anchor_stride＝2

23、pre_nms_limit＝500

24、本发明采取步长为大于1的滑窗，同时修改nms的规模限制为总网络锚点规模的2/3，例如rpn_anchor_stride＝2，pre_nms_limit＝500，以减少模型计算量，提高模型检测的速度。

25、在更具体的技术方案中，步骤s4中，全连接层包括：第一转化分支、第二转化分支。

26、在更具体的技术方案中，步骤s4包括：

27、s41、获取resnet50网络的第五个卷积层的输出，据以利用第一转化分支转化得到适用尺寸的全连接层，以得到第一分支转化输出结果；

28、s42、获取并根据前一分支输出尺寸、通道数，利用第二转化分支，对第一转化输出结果进行再转化操作，以得到第二转化输出结果；

29、s43、叠加处理第一转化输出结果、第二转化输出结果，以得到混合树脂分层状态的预测结果。

30、本发明改进单一目标的目标检测，以使识别模型适应混合树脂分层状态的识别，以提高识别树脂分层状态的效率和准确性。对于树脂之间互相掺杂的情况，传统的目标检测对这类小目标可能难以识别，本发明通过改进后的fpn网络，提高了识别树脂分层状态的效率和准确性。从而提高阴阳树脂的分离程度，进而提高树脂再生效果，保证混床出水水质。

31、在更具体的技术方案中，凝结水精处理树脂再生分层状态识别系统包括：

32、网络层数及神经元设置模块，用以利用resnet50作为主干网络backbone，确定主干网络backbone网络层数、每层神经元数量；

33、主干网络优化模块，用以引入自下而上的fpn网络，以对主干网络backbone进行优化，主干网络优化模块与网络层数及神经元设置模块连接；

34、网络关联参数确定模块，用以确定主干网络backbone的关联参数，其中，关联参数包括：锚框步长、nms规模限制信息，网络关联参数确定模块与主干网络优化模块连接；

35、改进网络混合树脂分层状态识别模块，用以在主干网络backbone的mask分支，设置全连接层，以得到mask r-cnn网络模型，据以识别混合树脂分层状态，改进网络混合树脂分层状态识别模块与网络关联参数确定模块连接。

36、本发明相比现有技术具有以下优点：

37、本发明基于优化改进后的mask r-cnn模型对混合树脂分层行状态进行识别，通过改进的mask r-cnn网络识别出树脂分层是否正常，以在其状态异常时及时反馈，降低了凝结水精处理树脂再生分层状态识别操作对人工的依赖，提高了再生系统的自动化程度。

38、本发明针对树脂再生过程中的混合树脂分层环节，基于mask r-cnn模型，对原有网络结构进行优化并提高分类算法准确性。

39、本发明采取步长为2的滑窗，同时修改nms的规模限制为500，减少模型计算量，提高模型检测的速度。

40、本发明改进单一目标的目标检测，以使识别模型适应混合树脂分层状态的识别，以提高识别树脂分层状态的效率和准确性，提高阴阳树脂的分离程度，进而提高树脂再生效果，保证混床出水水质。

41、本发明解决了现有技术中存在的由于对人工操作依赖程度较高，导致再生系统自动化程度低、树脂再生效果差的技术问题。