基于超分辨注意力机制改进的GIS内部细微缺陷X-DR图像检测方法

• 作者: 刘国特 周锦辉 宋新明 邓军 伍伟权 黎俊生
• 来源期刊: 高电压技术
• 关键词: 气体绝缘开关 X-DR图像 超分辨率 注意力机制 亚像素卷积神经网络 SE-ESPCN 缺陷检测
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 人工智能物联网技术在输配电领域的应用专题|Special Issue on Applications of Artificial Intelligence and the Internet of Things in Power Transmission and Distribution
• 页码范围: 3803-3809
• 页数: 7页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20210232

摘要

为了解决气体绝缘开关设备内部细微缺陷X-DR成像重影雾化、纹理不清晰、易造成误诊断等问题,提出一种基于超分辨率注意力机制改进的气体绝缘开关(gas insulated switchgear,GIS)内部细微缺陷X-DR图像检测算法.该方法以高效亚像素卷积神经网络为框架,引入双层计算机注意力机制SE模块,构成新颖的SE-ESPCN超分辨率网络.通过对GIS设备X-DR图像通道重要程度进行评判,赋予图像卷积层不同的权重,以增强图像故障细节的成像效果.实验结果表明:SE模块与亚像素卷积神经网络的融合,不仅保障了GIS设备故障区域成像的实时性,而且算法输出的高分辨率X-DR图像缺陷细节清晰可见,便于观察,提高了工作人员对缺陷检测的效率与准确性,为实际工程中GIS设备X-DR成像系统改良提供了一定的参考.