[發明專利]一種基于云平臺的電力電纜缺陷檢測方法及其檢測系統

有效

• 申請號: 201811327932.1
• 申請日: 2018-11-08
• 公開（公告）號: CN109685761B
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 劉剛;高頌九;楊蘭均;喻夢晗;邵棟棟;應永忠;竺海波;潘沛峰;李晨輝;張旭東
• 申請（專利權）人: 寧波送變電建設有限公司甬城配電網建設分公司;西安交通大學;國網浙江寧波市鄞州區供電有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06Q50/06;H04L29/08
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 覃婧嬋

1.一種基于云平臺的電力電纜缺陷檢測方法，包括如下步驟：

S100：利用X射線對待測電力電纜進行軸向垂直照射；

S200：接收透過待測電力電纜的X射線實時生成檢測圖像；

S300：采集實時生成的檢測圖像并發送至云平臺；

S400：對所采集到的檢測圖像進行預處理；

S500：通過缺陷識別模型識別預處理后的檢測圖像的缺陷并給出識別結果以及評判預處理后的檢測圖像的缺陷危害性并給出評判結果，其中，所述缺陷識別模型包括：

圖像分類模塊，采用卷積神經網絡模型中的深度殘差網絡ResNet判斷檢測圖像中電力電纜的受檢測部位；

圖像分割模塊，根據預置的電力電纜型號匹配檢測圖像中電力電纜的標稱尺寸，并利用深度卷積編碼-解碼結構中的SegNet網絡識別檢測圖像中的電力電纜的結構，利用成像最清晰的金屬線芯在檢測圖像上的尺寸與電纜的標稱尺寸的比例關系判斷電力電纜被遮擋部位的輪廓位置；

物體檢測模塊，用于對檢測圖像中的電力電纜進行缺陷診斷，若存在缺陷，則在檢測圖像中對缺陷所在方位進行標記。

2.根據權利要求1所述的檢測方法，其特征在于，步驟S400中，所述對所采集到的檢測圖像進行預處理包括如下步驟：

S401：圖像幾何變換：對檢測圖像進行傾斜較正，將檢測圖像自動變換至電纜軸向沿水平方向；

S402：圖像去噪：利用濾波降低檢測圖像的量子噪聲和顆粒噪聲；

S403：圖像增強：對檢測圖像進行灰度調節和銳化。

3.根據權利要求1所述的檢測方法，其特征在于，步驟S500中，所述對預處理后的檢測圖像進行缺陷危害性評判通過如下方式進行：

其中，Q為缺陷危害性評分，n為缺陷數量，S_i為第i個缺陷的面積大小，A_i為第i個缺陷的權重。

4.根據權利要求1所述的檢測方法，其特征在于，步驟S500中，所述缺陷識別結果和缺陷危害性評判結果存儲于云平臺。

5.根據權利要求1所述的檢測方法，其特征在于，所述缺陷識別模型在使用前需要進行模型訓練，所述模型訓練包括如下步驟：

S1001：獲取大量X射線電力電纜檢測圖像形成模型訓練圖片庫；

S1002：對檢測圖像進行手工標注，所述標注包括：設置檢測圖像標簽、劃分電纜各部分結構并標注名稱、框選出檢測圖像的缺陷位置；

S1003：將標注完成的檢測圖像保存至云平臺，并進入構建好的模型進行訓練；

S1004：將經過訓練的檢測圖像添加進模型訓練圖片庫，經標注后用于對模型的再次訓練。

6.一種基于云平臺的電力電纜缺陷檢測系統，包括：

X射線發生模塊，用于產生X射線對待測電力電纜進行軸向垂直照射；

圖像生成模塊，用于接收透過待測電力電纜的X射線實時生成檢測圖像；

圖像采集模塊，用于采集實時生成的檢測圖像并發送至云平臺；

圖像預處理模塊，用于對所采集到的檢測圖像進行預處理；

圖像缺陷識別模塊，用于通過缺陷識別模型識別預處理后的檢測圖像的缺陷并給出識別結果以及評判預處理后的檢測圖像的缺陷的危害性并給出評判結果，其中，所述缺陷識別模型包括：

圖像分類模塊，采用卷積神經網絡模型中的深度殘差網絡ResNet判斷檢測圖像中電力電纜的受檢測部位；

圖像分割模塊，根據預置的電力電纜型號匹配檢測圖像中電力電纜的標稱尺寸，并利用深度卷積編碼-解碼結構中的SegNet網絡識別檢測圖像中的電力電纜的結構，利用成像最清晰的金屬線芯在檢測圖像上的尺寸與電纜的標稱尺寸的比例關系判斷電力電纜被遮擋部位的輪廓位置；

物體檢測模塊，用于對檢測圖像中的電力電纜進行缺陷診斷，若存在缺陷，則在檢測圖像中對缺陷所在方位進行標記。

7.根據權利要求6所述的檢測系統，其特征在于，所述圖像生成模塊包括增強器和熒光顯示屏。