高压电缆X射线数字影像深度处理和缓冲层缺陷智能识别技术

• 作者: 刘三伟 张军 曾泽宇 段建家 段肖力 谢亿 黄福勇
• 来源期刊: 南方电网技术
• 学科: 工学
• 关键词: 电力电缆 缓冲层缺陷 X射线数字影像 深度处理 缺陷智能识别
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 高电压技术
• 页码范围: 66-70
• 页数: 5页
• 分类号: TM751
• 语种: 中文
• DOI: 10.13648/j.cnki.issn1674-0629.2020.12.009

摘要

采用X射线数字成像的方式能够实现对电力电缆本体的无损检测,但目前缺乏对X射线数字影像的深度处理和缺陷识别方法,无法从原始的数字影像中直接对电缆本体和缺陷进行检测识别.因此,本文研究了电力电缆X射线数字影像深度处理和缓冲层缺陷智能识别技术,提出了全卷积神经网络(full convolution neural network,FCN)法.采用灰度处理技术,将原始的图像灰阶范围压缩至人眼可识别范围,然后进行缺陷标识,再采用传统卷积神经网络(convolution neural network,CNN)法和所提方法对图像数据进行训练,实现对电力电缆缓冲层缺陷的智能识别.结果表明,相比于CNN法,所提FCN法具有更加清晰直观的识别效果.