一种基于空洞卷积神经网络ECT二维图像重建方法

一种基于空洞卷积神经网络ect二维图像重建方法
技术领域
1.本发明属于电容层析成像技术领域，涉及一种基于空洞卷积神经网络ect二维图像重建方法。


背景技术：

2.ect系统的传感器设计，主要是基于原有在8电极和12电极传感器设计提出来的一种24电极传感器，ect系统的欠定问题，主要就是因为测量的电容值数量要小于图像重建的像素点，12电极所测量的电容值66个电容，而24电极的传感器设置，可测量276电容值，能够尽量去减少电容值少于图像重建的像素点的差距，进而保证图像重建的精准度，数据集的获得主要是运用c 和apdl语言混合编程得到，运用ansys18.0脚本语言，导入到c 程序中，进行循环执行获得更多随机的电容值，进而作为ect系统的中图像重建算法的导入数据，基于空洞卷积神经网络，在卷积层和全连接层 采用relu激活函数，在输出层常用的sigmod函数并且配合加交叉熵损失函数，计算损失，空洞卷积神经网络，向卷积层提供一个扩张率的参数该参数主要是定义卷积核处理数据各个值之间的间距，并且该结构布在应用pooling层，因为pooling层导致信息损失，不能提供更大的感受野，进而不能获取更多的特征信息，通常卷积神经网络主要问题是池化层不不可以学习的，内部数据结构丢失，层级信息丢失，小物体的信息无法进行重建，然后空洞卷积神经网络就有内部数据结构的保留和避免down-smapling这样的特性。


技术实现要素：

3.本发明的目的在于针对ect系统中的欠定问题和软场特性导致图像重建的精度低的问题，提出了一种基于空洞卷积神经网络ect二维图像重建方法，以提高ect系统的图像重建的精度。
4.本发明技术方案如下：为解决上述技术问题，本发明提供一种基于空洞卷积神经网络ect二维图像重建方法，主要用于处理ect系统的欠定问题，测量的电容值少的问题，利用空洞卷积神经网络解决电容值和图像重建的像素之间的非线性关系，该实现包括，电容值通过24电极传感器测量，能够测量测出更多的电容值，解决ect的欠定问题。
5.其中，在利用ansys18.0进行测量电容值时，只能一组测量运算慢，然后结合c 和ansys中的apdl脚本语言进行对数据集的扩展。
6.其中，ect检测系统测量的电容值会受到周围环境的电磁干扰、传感器测量误差等的影响，导致电容测量值与理论值较大差别，因此首先利用小波阈值减少环境噪声对电容测量值的影响，尽可能的恢复被噪声污染前的电容测量值，当ect检测系统测量时间忽略不计时，可以将系统测量的电容值在时间域看成连续函数，那么经过小波变换电容测量值在时间域上小波系数的模较大，而噪声信号是随机出现的，在时间域上不连续，因此小波系数的模较小，所以通过设置小波系数模的阈值，认为小于该阈值的小波系数都是由噪声引起的，去除此系数并保留大于阈值的系数，再利用小波逆变换重建电容测量信号，重建后的信
号即为去噪后的电容测量值，上述去噪方法被称为小波阈值去噪。
7.其中，在ect系统中图像重建的影响因素有很多:敏感场的“软场特性”容易受到管道内的被测介电分布的影响，也就是离散相介电常数相同，且所占区域大小相同，但是在管道内的位置是不同的则对灵敏场分布影响不同，离散相的介子所在处灵敏度的绝对值越大，对灵敏场的影响越大，在利用表征电容测量值与被测区域介电常数分布关系的灵敏度分布，计算图像对应位置的像素灰度值，但灵敏度分布易受被测多相流介电常数分布的影响，在被测区域内分布不均匀，本文在maxwell方程与高斯定理的基础上，首先利用泛函与有限元分析给出了ect技术的二维数学表达式，然后利用高斯散度定理和系统能量方程推导出电容测量值与被测区域的空隙率分布的关系，将计算灵敏度分布与像素灰度值的关系转换成为计算空隙率分布与像素灰度值的关系，消除介电常数分布对图像重建产生的影响。
8.其中，空洞卷积神经网络在进行图像重建的过程中，在不增加计算量的同时，获取图片中的更多的感受野，经过ect系统的传感器24电极的设置，解决欠定问题，获得更多的感受使得图像重建精度大大提高。
9.本发明的有益效果为：增加了基于ansys18.0软件设计的24电极传感器，测量电容数量大大提高，在传统的卷积神经网络中的卷积层加入扩张率，大大提高了获取图片的信息量，ect系统图像重建速度加快和图像重建的精度大幅度提高。
附图说明
10.图1为本发明的ect系统传感器模型。
11.图2为本发明的ect系统的测量出来电容值的分布特征。
具体实施方式
12.ect系统的传感器，通过ansys18.0有限元分析软件进行建模设计，采用有限元法对ect正问题进行仿真运算，24电极ect传感器管道内径76.8mm，管道外径81.8mm，屏蔽罩106.8mm。
13.对于24电极的ect系统应用ansys18.0进行网格划分，然后采用apdl语言cmatrix宏定义命令求解电容值，对于24电极可测得276个电容值，对于24电极的ect系统，电容传感器模型是以其管道截面圆心为中心对称的，24电极均匀布置在管道外侧，且参数完全相同，这样，就保证了24电极都具有轮换对称性，可以进行互换。
14.管道截面圆心分别到电容极板中心和径向极板中心的连线为剖分线，将管道内截面可以分成48个全等扇形，按逆时针顺序给24电极编号，分别为1至24，再按逆时针顺序对应极板序号给各成像单元编号，则扇形分块顺序为1至24，因为圆形管道截面是按照24电极结构轮换对称的，则扇形分块单元中，奇数编号1，3，5到47的单元是轮换对称的，偶数编号2，4，6到48的单元也是轮换对称的，而且，每一个电极对应的奇数编号与偶数编号的单元也分别为镜像对称的，那么应用电容传感器模型的这些特性，就可以使样本数据进行充分的简化整理。
15.样本数据进行扩大数据集和样本数据的归一化处理，运用apdl脚本语言和c 语言混合编程扩大数据集，实验中由测量电容值和灵敏度值组成552个样本数据集，需要对数
据进行归一化处理进而加强图像重建的精准度。
16.将计算的电容进行小波阈值处理，把测量出来的电容值进行信号转变，由于噪声信号的系数比较小，正常的电容值得到的信号系数比较大，经过小波阈值处理后能够得到降噪后的电容值，把数据导入算法模型中进行图像重建。
17.最后，将已经建立的数据集，导入到空洞卷积神经网络进行训练，进行图像重建，使得ect系统在测量管时，能达到精准测量。
18.本发明未尽事宜为公知技术。上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。


技术特征：
1.如权利要求1所述的一种基于空洞卷积神经网络ect二维图像重建方法，其特征在于，目前etc电极极板的个数一般在8电极、12电极、16电极，电极数目越多etc系统的性能越好，本次ect系统选取的是24电极结构，并且采用基于ansys18.0有限元划分软件建立电容值测量的传感器，对其24电极进行从1到24进行编号，采用一个激励电极，被施加极板作为激励电极，对于n个电极板的系统，可得到单独电极总数n
×
(n-1)/2，根据24电极能得到276个电容值。2.如权利要求1所述的一种基于空洞卷积神经网络ect二维图像重建方法，其特征在于，ect系统传感器的软场特性，敏感场的分布与介质的分布有关，在ect的图像重建的正问题采用有限划分法。3.如权利要求1所述的一种基于空洞卷积神经网络ect二维图像重建方法，其特征在于，c 和apdl语言混合编程建立样本数据，ansys18.0参数设计语言apdl通过模型参数变量建立分析模型的脚本语言，利用c 内核运算的速度快，进一步扩大数据集。4.如权利要求1所述的一种基于空洞卷积神经网络ect二维图像重建方法，其特征在于，ect系统检测测量的电容值会受到周围环境的干扰，进而导致传感器测量的误差，采用非线性小波变换阈值处理，系统所测量的电容值在时间域上是连续的，小波系数较大，而周围环境的干扰信号是随机出现的，在时间域上不连续，因此小波系数较小，所以通过设置小波系数的阈值，小于该阈值为噪声，大于该阈值的为电容值信号量。5.如权利要求1所述的一种基于空洞卷积神经网络ect二维图像重建方法，其特征在于，ect系统图像重建，空洞卷积神经网络是向卷积层提供一个扩张率的参数，主要是定义卷积核的处理，在传统卷积神经网络中，要不断的降维运算，降低图像的精度，如果增大卷积核提高图像精度，就会造成计算量庞大进行影响检测的速度，利用空洞卷积神经网络，不在使用池化层，池化层会信息丢失，空洞卷积神经网络在保持卷积层不变的情况下增加感受野保持原由的图像精度不变。

技术总结
本发明公开了一种基于空洞卷积神经网络ECT二维图像重建方法，主要对封闭管道内进行相流进行测量，通过电容传感器获取管道内被测相流流动的介质的电容值，并且本文主要采用基于ANSYS18.0软件进行ECT传感器的模型设计，对管道内相流进行电容值的检测。传统ECT技术图像重建算法，都是利用表征电容测量值与被测区域介电常数分布关系的灵敏度分布，计算图像对应位置的像素灰度值。但灵敏度分布易受被测多相流介电常数分布的影响，在被测区域内分布不均匀，在空洞卷积神经网络上得到很好的效果，在卷积神经网络的卷积层和全链接层加入非线性激活函数能够很好的应用在电容值和被测区域的这种非线性关系。能够高度实现二维管道图像重建。像重建。像重建。


技术研发人员：韩文双 李岩 姚文杰
受保护的技术使用者：哈尔滨理工大学
技术研发日：2021.12.21
技术公布日：2022/5/5