摘要

针对目前高压电缆绝缘层检测操作繁琐、效率低、重复测量差异大等问题,设计了一种新型电缆绝缘层检测装置,提出了一种基于改进U-Net的高压电缆绝缘层图像分割方法。首先替换主干特征提取网络为VGG16网络,结合迁移学习将VGG16在Pascal VOC2012数据集中训练的权重作为预训练权重,利用通道注意力模块在跳跃连接处融入自适应特征加权机制,在上采样过程中添加分组卷积,提高了语义分割精度;然后利用训练的最优权重进行绝缘层图像分割,提取轮廓区域特征并进行二值化处理,使用连通区域算法对轮廓区域进行填充;最后,融合原始图像和分割区域生成完整绝缘层分割图像。实验结果表明,平均交并比和平均像素准确率达到99.56%和99.81%,较原网络效果提升明显,验证了该方法在高压电缆绝缘层分割上的有效性。

全文