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; 谢亿; 张军; 段建家; 黄福勇; 段肖力; 曾泽宇

来源：南方电网技术, 2020, 14(12): 66-70.

DOI：10.13648/j.cnki.issn1674-0629.2020.12.009

• 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

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。

• 单位
  国网湖南省电力有限公司电力科学研究院