基于卷积神经网络的电缆同轴度检测技术

• 作者: 刘红军 魏旭阳
• 来源期刊: 南方电网技术
• 关键词: 同轴度检测 卷积神经网络 Canny算子边缘检测 Hough变换直线检测
• 年，卷（期）: 2021,（4）
• 页码范围: 121-126
• 页数: 6页
• 分类号: TM247
• 语种: 中文
• DOI: 10.13648/j.cnki.issn1674-0629.2021.04.016

摘要

传统电缆同轴度检测采用的是基于X光机图像特征检测方法,检测精度无法定量保证,适用范围小,抗干扰能力较差.本文在自动化图像采集系统支持下,结合卷积神经网络(convolutional neural network,CNN)与直线检测技术,提出了一套智能电缆同轴度检测方法.首先通过训练好的神经网络模型将采集到的电缆图像进行智能分类;根据不同的图像类别调整Canny算子边缘检测与Hough变换直线检测参数,达到检测所需条件;依据检测结果测量电缆的内外径计算其同轴度.该方法和流程充分利用了机器学习算法的自动化和智能化优势,应用于生产工艺复杂的矿物绝缘电缆同轴度检测中,CNN模型分类成功率达到96.87％,同轴度检测成功率达到94％,能够满足企业实时检测技术要求.