基于改进LeNet-5网络的堆芯燃料组件编码识别

在核电站堆芯核燃料组件水下组装作业中，需要通过视觉技术进行组件编码的识别以便准确定位组件的安装位置。针对水下环境中弱光照等问题导致了图像质量的降低，本文通过乘方增强算法、OSTU算法、CLAHE算法和拉普拉斯变换的方法来实现堆芯燃料组件编码字符水下图像的增强。为了提高编码识别效果，提出了一种整合LeNet-5网络和支持向量机(SVM)的模型，在网络中添加BN(Batch Normalization)层与Dropout层来加速网络的运行速度，并改进Sigmoid函数，增加函数的平滑性，以此来减少梯度消失。实验表明，在自定义数据集上的验证准确率为99.82%,识别率为100%,相比于其他模型有显著的提升。