10.13648/j.cnki.issn1674-0629.2020.12.009
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
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.
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
14
TM751(输配电工程、电力网及电力系统)
国网湖南电力有限公司资助项目5216A5200004
2021-01-20(万方平台首次上网日期,不代表论文的发表时间)
共5页
66-70