基于S-YOLOv5s的粉尘检测和清洁性评估,用于核电站反应堆封闭壁爬式清洁机器人
Li-Wen Chen1, Jing Zhu1, Huanghui Zhang2
1School of Computer Science, School of Electrical, Electronics & Physics, Fujian University of Technology, Fuzhou, Fujian, China.
Heliyon
|January 31, 2024
概括
这项研究引入了一种新的AI模型,用于核电站机器人检测和评估放射性尘埃,提高清洁效率和安全. 先进的系统确保及时和彻底的除尘,保护人员和环境.
科学领域:
- 核工程 核工程是指核工程.
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
背景情况:
- 核电站 (NPP) 的封闭尘埃对健康和环境构成重大风险.
- 当前的爬墙清洁机器人缺乏及时彻底检测和清除尘埃的能力.
- 机器人的盲目清洁操作可以使危险的放射性尘埃未被检测到.
研究的目的:
- 为核反应堆爬墙机器人开发智能粉尘检测和清洁性评估系统.
- 提高机器人的实时识别和量化不同类型的尘埃的能力.
- 确保彻底清理放射性尘埃,提高核电站环境中的安全性.
主要方法:
- 提出了一个ShuffleNetV2-YOLOv5s (S-YOLOv5s) 模型,用于有效检测尘埃,优化骨干网络并利用SIoU损失函数来提高准确性.
- 引入平面清洁指数 (PCI),以量化评估清洁的彻底性,考虑到灰尘量和占地面积.
- 收集专门的尘埃数据集来训练和验证拟议的模型.
主要成果:
- 与原始相比,S-YOLOv5s型号实现了14%的模型尺寸缩小,增加了7.313 FPS.
- 与最先进的轻量化方法相比,开发的方法在模型大小和识别速度方面表现出了卓越的性能.
- PCI有效地通过考虑各种灰尘特征来评估清洁的彻底性.
结论:
- 该S-YOLOv5s模型和PCI提供了一个有效的解决方案,用于实时检测尘埃和核电站的清洁性评估.
- 拟议的系统使爬墙机器人能够及时彻底清除放射性尘埃.
- 这一进步大大提高了核设施中人员和环境的安全.
