ETQMEngineering Technology and Quality Management2995-31702992-9806Art and Design10.61369/ETQM.2025100005Article一种核电厂鼓网网片缺陷识别的方法及其系统https://artdesignp.com/journal/ETQM/3/10/10.61369/ETQM.2025100005李亚兴,杨龙龙,李贤广,张周,彭宁20253102025-10-20核电厂海水过滤系统关键设备鼓网在日常运行过程中承担海生物等杂物的拦截功能，鼓网网片完整性的检查目前主要依赖人工目视的方式，存在主观性强、效率低和缺乏缺陷管理的问题。本文研究一种核电厂鼓网网片缺陷识别的方法及其系统，基于图像识别技术的鼓网缺陷智能检测系统，通过现场布置高分辨率工业相机采集鼓网网片图片数据，通过边缘计算装置，对现场鼓网网片的图像进行自动、及时的识别，异常图片通过4G传输到后台进行预警，从而实现鼓网网片缺陷的智能化检测，降低运检人员工作量，提高运检效率。核电厂鼓网网片缺陷识别,缺陷识别,深度学习

[1] 欧鸣雄. 一种核电站用旋转鼓形滤网结构[P]. CN201988257U, 2011-09-28.[2] 殷浤益, 熊友亮, 孙全, 等. 基于改进YOLOv5的排水管网缺陷识别研究[J].电脑知识与技术,2024,20(10):41-45.[3] 刘胜峰, 杨学成, 王子俊. 基于机器视觉的核电厂巡检机器人冷却设备水迹检测方法[J].智能物联技术,2024,56(02):122-125.[4] 黄三傲. 机器视觉在水下核电设备表面缺陷检测中的应用研究[D]. 北京科技大学,2022.[5] 祝相博. 基于机器视觉的滤网缺陷检测与尺寸测量技术研究[D]. 河南科技学院,2024.DOI:10.27704/d.cnki.ghnkj.2024.000263.[6] 刘彬. 铸造用泡沫陶瓷过滤网外观缺陷检测系统研究[D]. 沈阳工业大学,2019.[7]林泽泉, 沈新生, 付国庆, 等. 核电厂鼓型滤网腐蚀状态的监测方法和监测装置:CN202111621620.3[P].CN202111621620.3[2025-05-14].[8] 许勇, 蔡云泽, 宋林. 基于数据驱动的核电设备状态评估研究综述[J]. 上海交通大学学报（自然版）, 2022, 56(3): 267-278.[9] 周刚, 杨立. 核电厂智能诊断方法研究的进展[J]. 原子能科学技术, 2008, 42(S1): 92-97.[10] 刘洪泉, 陈少林, 孙晓莹, 吴绍恒. 基于神经网络的核电厂设备易损性分析[J]. 力学学报, 2021, 53(6): 1460-1470.