基于卷积神经网络的绝缘子RTV喷涂缺陷检测方法

绝缘子室温硫化硅橡胶(room temperature vulcanized silicone rubber, RTV)涂层的二次喷涂可以有效延长绝缘子的使用寿命，保障电力系统的安全运行。针对喷涂质量的评估问题，提出一种基于卷积神经网络的RTV喷涂缺陷自动检测方法：首先构建绝缘子RTV喷涂区域提取网络模型，对绝缘子RTV喷涂区域进行精确分割；然后构建绝缘子RTV喷涂缺陷检测网络模型，对5种喷涂缺陷进行语义分割。实验结果证明，所构建的喷涂缺陷检测网络模型在评价指标上优于主流的语义分割网络，具有良好的性能，能够满足应用需求。     

基于红外图像分割与SSA-SVM的复合绝缘子缺陷检测方法

为了准确快速地识别出交直流复合绝缘子的缺陷类型,本文提出一种基于红外图像分割和麻雀搜索算法(SSA)优化支持向量机(SVM)的交直流复合绝缘子缺陷检测方法.首先,制作复合绝缘子短样,并设置四种不同类型的模拟缺陷,分别施加交流电压和直流电压,采用红外热像仪测量得到正常和缺陷复合绝缘子的红外图像样本;然后,利用最大类间方差法对图像进行阈值分割得到绝缘子区域,由此计算红外特征量,并使用Fisher准则进行特征选择;最后,采用SSA优化的SVM模型实现对绝缘子缺陷类型的识别.结果表明,实验室条件下该方法对交直流复合绝缘子的缺陷类型识别正确率达87％以上,且对现场交流复合绝缘子缺陷的初步识别效果良好.     

微波反射法检测复合绝缘子内部缺陷方法研究

为了检测复合绝缘子内部缺陷。提出基于微波反射法的复合绝缘子检测方法。该方法将微波发射到复合绝缘子内,利用微波在不同介质内发生折反射的性质,检测反射波信号,判断绝缘子内部是否存在缺陷。通过理论分析初步验证微波反射法的可行性,搭建试验平台进行无损检测,通过对无缺陷样品的试验总结数据分布规律、提出初步判据。通过内含缺陷的样品验证该方法的实用效果。试验表明微波反射法对于复合绝缘子内部缺陷具有较为明显的检测效果。     

基于错位散斑干涉的复合绝缘子缺陷检测方法

提出一种基于错位散斑干涉的复合绝缘子内部缺陷检测方法,用于剔除生产中的不合格绝缘子以及诊断运行中复合绝缘子的隐蔽缺陷。该方法通过测量内部缺陷引起的表面异常形变来诊断复合绝缘子的缺陷及其严重程度,相比其他无损检测技术具有速度快、精度高、非接触、全场成像等特点。检测在芯棒、护套以及交界面区域设置了人工缺陷的绝缘子样品,通过得到的干涉条纹图和相位分布图快速、直观地检测到了缺陷信息。通过人工缺陷检测试验证实了错位散斑干涉方法应用于复合绝缘子内部缺陷检测的可行性。     

基于Mask-RCNN算法的复合绝缘子串红外图像分割与温度读取

红外成像可以快速发现复合绝缘子异常温升,从而实现缺陷检测。为了解决复合绝缘子红外检测中人工诊断时间成本高、效率低、背景干扰多的问题,文中提出了基于Mask-RCNN的温升绝缘子自动检测方法。首先使用Mask-RCNN对红外图像数据进行学习训练,进而对其中的绝缘子目标进行识别检测和图像分割。在智能分割之后,通过识别图中的温度范围数据并将绝缘子区域图像灰度与之比对,得到了绝缘子的温度信息,用于绝缘子异常发热故障的诊断。实验研究表明:在对南方某市绝缘子红外测温图像的自动识别中,Mask-RCNN有着优异的表现,能够运用于在巡线工作中,可以有效减轻人工处理数据的压力,对于提升推进智能巡线的智能化水平、保障输电线路安全运行有着重要的意义。     

基于微波反射法的复合绝缘子无损检测方法

为了对运行复合绝缘子内部缺陷进行无损探伤(NDT),提出一种基于高频微波的检测方法,利用微波在硅橡胶与缺陷以及缺陷与芯棒交界面处的折反射进行缺陷检测。首先通过计算不同缺陷类型处的折反射信号幅值,从理论上验证该方法可行性;其次,搭建了针对复合绝缘子的微波检测平台,并对加入不同类型人造缺陷的绝缘子样品上进行试验,优化各系统参数;最后对收集到的现场出现异常温升的绝缘子进行检测,找出缺陷位置,并解剖进行验证。实验结果表明:采用近场微波方法无需偶联剂,即可对复合绝缘子进行无接触、无损检测;可以检测到绝缘子内部的不同类型(介电常数)的缺陷;可识别尺寸小于0.4 mm的细微缺陷。通过实验验证了微波反射法应用于复合绝缘子内部缺陷检测的可行性。     

复合绝缘子内部缺陷的超声相控阵检测研究

为消除复合绝缘子内部缺陷对电网运行安全造成的隐患,针对小管径复合绝缘子缺陷检测,提出了一种基于超声相控阵的柔性水囊耦合检测方法。该方法采用硅橡胶薄膜与耦合装置实现了良好超声耦合,分别对平面硅橡胶、复合绝缘子护套与芯棒进行了检测实验。实验结果表明,对平面硅橡胶线性扫描优于扇形扫描,能够检测到0.8 mm的微小缺陷,为复合绝缘子伞群超声缺陷检测提供了新方法。对复合绝缘子护套和芯棒,扇形扫描优于线性扫描,护套最小可检测缺陷尺寸达到0.8 mm,芯棒达到1 mm,为复合绝缘子的在线检测提供了可能。     

基于电磁感应热成像技术的复合绝缘子内部导通性缺陷检测方法

为了消除复合绝缘子内部导通性缺陷引起的绝缘失效故障,提出一种基于电磁感应热成像技术的复合绝缘子内部导通性缺陷检测方法。该方法利用外部电磁激励源在导通性缺陷内生成涡流,涡流产生的焦耳热在材料内部传播,通过处理分析热像仪采集的绝缘子表面动态热图序列,实现绝缘子内部缺陷的检测。建立含导通性缺陷的复合绝缘子热波模型,得到缺陷对应表面的温度分布函数。利用人工设置缺陷的复合绝缘子样品开展检测试验,通过观测原始红外热图序列,分析对应表面下不同结构的电磁扰动和热扩散过程区域的热波信号。基于热波传播机理建立热波信号混叠模型,并利用盲源分离方法实现缺陷热波信号的增强显示。最后,基于导通性缺陷对应表面温度分布方程,得出峰值时间与缺陷深度平方的定量关系,提出缺陷深度的定量检测方法。理论和实验结果表明,电磁感应热成像技术可以检测到5mm厚护套下的高导通性缺陷,该技术在复合绝缘子内部导通性缺陷检测中具有良好的有效性和广阔的应用前景。     

全尺寸复合绝缘子内部缺陷微波无损检测研究

为减少由复合绝缘子内部缺陷造成的事故隐患,研究了基于微波理论的全尺寸复合绝缘子内部缺陷无损检测方法,提出了适用于该检测方法的数据处理及判定依据。根据所提出的理论,研制了由微波检测系统与自动化系统组成的全尺寸110 kV复合绝缘子自动化无损检测试验平台,制备了多种带有人造缺陷的全尺寸110 kV复合绝缘子样品。通过使用试验平台对人造样品的检测,得出了该方法对于气隙、碳化、金属缺陷的检测特征及精度。同时试验结果验证了所提出的理论的可行性与所研制的设备的可靠性。     

基于太赫兹波的复合绝缘子界面检测研究

复合绝缘子的交界面缺陷问题严重威胁着电网的安全运行。为了有效评估复合绝缘子的界面性能,研究基于太赫兹波的无损检测方法。首先理论分析了太赫兹反射波在不同性能界面中的传播过程。测试界面气隙、蚀损缺陷情形的太赫兹反射波,分析太赫兹波在含缺陷界面中的反射传播特性。针对气隙缺陷,提出通过太赫兹波形特征比对的定量检测方法;针对蚀损缺陷,提出基于波形差值的成像检测方法。根据太赫兹波形特征信息,可对界面气隙和蚀损缺陷进行分类诊断。对实际缺陷的测试表明,太赫兹时域反射波在复合绝缘子界面缺陷检测中具有较高的应用价值。     

基于实例分割+CCTV排水管道缺陷检测方法研究

当前排水管道检测普遍采用CCTV管道闭路电视检测系统,但系统在缺陷判断过程存在人工参与度高,检测效率低、主观误差大等问题。本文提出一种基于实例分割算法结合CCTV排水管道缺陷检测方法,采用CCTV检测系统采集管道图像,基于Mask R-CNN卷积神经网络排水管道缺陷实例分割检测,对破裂、变形、腐蚀、沉积、障碍物、树根缺陷进行检测分类,并对其中破裂缺陷进行检测评级。实验结果表明,本文方法现场实验缺陷检测准确率达到了100%,现场实验破裂缺陷检测高阶分类准确度达到100%,表现出较好检测性能。     

基于Mask R-CNN的轮毂缺陷分割技术

汽车轮毂在铸造过程中不免有缺陷的产生,为实现工业检测自动化的需要,提出了基于Mask R-CNN的汽车轮毂缺陷自动分割方法,采用卷积神经网络模型训练参数来代替传统的人工设定参数。首次将Mask R-CNN应用于轮毂缺陷图像的识别,通过深层次的卷积网络训练可以使模型识别轮毂缺陷特征并将不同缺陷类型标注并分割开来,从而实现轮毂X射线图像的自动分割。实验表明,使用Mask R-CNN模型对复杂轮毂缺陷的识别率有93%以上,并对不同的缺陷类型都有效果,且每帧检测时间达到0.24s/帧,满足工业轮毂缺陷检测的要求。     

基于改进Mask R-CNN的硬化混凝土离析程度评价北大核心CSCD

水工混凝土钻孔图像中骨料的精准分割对于硬化混凝土离析评价至关重要。然而,传统的骨料图像分割方法存在精度低和泛化性能差的问题。针对上述问题,本文提出了一种改进Mask R-CNN的硬化混凝土骨料分割模型,通过在Mask R-CNN模型的主干网络中引入高效通道注意力模块(efficient channel attention,ECA)与空间注意力模块(stage attention module,SAM),实现卷积网络对通道与空间权重的自适应调整,从而提升模型对目标骨料边界与位置分布的检测性能;进一步提出硬化混凝土离析程度定量评价方法,通过量化目标骨料的面积、边界以及在高程方向上的分布,实现混凝土离析程度的定量评价。工程案例表明,所提骨料分割模型平均精度(m AP@0.5)达到了0.8752,相比未改进模型提高了4.19%,在多种复杂环境下的分割效果均优于传统骨料图像分割方法,且混凝土离析程度定量评价平均误差仅为4.85%,验证了所提方法的有效性与优越性,为混凝土离析程度科学评价提供了新的技术手段。     

基于改进Faster R-CNN的光伏电池内部缺陷检测

光伏电池近红外图像中复杂异构背景使内部缺陷检测成为一项极具挑战性的问题,为此,提出了一种基于深度学习的目标检测框架-残差通道注意力Faster R-CNN(residual-channel-attention-faster R-CNN,RCA-Faster R-CNN),该网络通过卷积层-池化层提取图像特征,再送入新颖...     

基于Mask R-CNN与SG滤波的手势识别关键点特征提取方法

手势识别是人机交互的重要手段.为了精确识别手势并摒除光照等环境干扰,同时减除由于手部高维运动造成的关键点剧烈抖动的问题,提出一种基于基于蒙版区域的卷积神经网络(Mask Region-based convolutional neural network,Mask R-CNN)与多项式平滑算法(Savitzky-Golay,SG)的手势关键点提取方法.该方法首先对输入的红绿蓝(RGB)三通道图像进行特征提取与区域分割,获得手部的实例分割与掩码.然后利用ROIAling及功能性网络进行目标匹配,标记出22个关键点(21个骨骼点+1个背景点).将标记后结果送入SG滤波器进行数据平滑,并进行骨骼点的重新标定.从而得到稳定的手势提取特征.对模型进行对比实验,结果表明,该方法能够最大程度摒除环境干扰,并精准提取关键点.与传统基于轮廓分割的手势关键点提取相比,模型的鲁棒性大大提高,识别精度达到93.48％.     

基于改进 Faster R-CNN 的棉布包装缺陷检测的 方法研究

由于传统检测算法对棉布包装缺陷检测不够准确、对小目标缺陷识别率不够高,所以提出改进的Faster R-CNN深度学习网络,对棉布包装存在的破损、污渍、孔洞、杂质、线头等5种缺陷进行检测。通过对图像进行预处理实现图像增强,然后改进Faster R-CNN中的RPN和ROI结构,为加强小目标缺陷的检测能力,在主干网络中融合特征金字塔网络结构,最后对ROI进行双线性插值以解决多次量化引起的像素偏差问题。实验表明,改进后的网络对棉布包装表面缺陷检测的平均精度均值mAP为91.34%,与传统算法相比,mAP值提高了9.08%。     

基于改进 Mask R-CNN 的光学元件划痕缺陷检测研究

光学元件缺陷会直接影响整个光学系统的性能,在光学元件缺陷检测中,划痕缺陷无疑是检测的难点,划痕缺陷存在着尺寸小,长宽比却比较大,易受杂质影响的问题,本文将深度学习算法应用到光学元件缺陷检测,并根据划痕缺陷的特点,对Mask R-CNN网络模型进行了改进,使算法对划痕缺陷也有了更好的检测效果。首先,将原有的ResNet更换为本文提出的CSPRepResNet,并添加ESE注意力机制,提高了特征提取的能力并减少了计算量;其次,利用K-means算法重新聚类anchor boxes的长宽比例;再次,将目标检测的损失函数由Cross Entropy改为梯度均衡化的Focal Loss,解决了正负样本不平衡问题的同时,更有利于对困难样本的检测,还可以消除离群点的影响。总体来说,检测的mAP@.5由原来的52.1%提高到57.3%,提高了5.2%,且推理速度几乎不变,可见,改进后Mask R-CNN对光学元件划痕缺陷有更好的检测效果。     

基于深度学习的航拍图像绝缘子缺失检测方法研究

为解决目前人工处理分析无人机巡检图像效率低、检测结果受人为因素影响较大的问题,提出了一种图像识别的绝缘子缺失识别方法。首先,对无人机拍摄的图像样本进行了处理,扩充样本集。其次,搭建了绝缘子的检测模型,完成各层网络结构的选择和设计,使用CNN算法实现对绝缘子缺失的检测。随后,构建了绝缘子检测网络,并对各层检测网络参数进行配置。选择实际拍摄的图像作为训练样本进行网络训练。检测结果证实几个指标均在0.95以上,说明算法可准确识别出绝缘子。最后,利用CNN算法对航拍绝缘子进行缺陷检测。绝缘片缺失缺陷的正确识别率为86%。算法可根据检测结果自动显示绝缘子有无缺失缺陷。     

基于级联网络的散乱堆叠物体分割算法

提出了一种针对处理散乱堆叠物体的改进方法。在 YOLOv5模型中采用了加权双向特征金字塔网络(BiFPN) 替代 路径聚合网络(PANet), 结合 Gfocal损失函数,使得漏检和误检问题得到有效改善,平均精度均值(mAP)mAP@0.5 达到了 90.1%。利用Mask R-CNN进行目标物体分割,使用轻量化的 Mobilenetv3替代 ResNet101 主干网络以减少参数量,同时借 用CFNet 思想加强特征融合机制,使得分割精度提高至92.1%。通过级联改进后的 YOLOv5 和改进后的 Mask R-CNN,算 法在实时性和精确性上得到了平衡,在有效感兴趣区域(region of interest,ROI)中提取准确的物体形状信息。与单独使用实 例分割算法相比,检测速度提升了1 s。实验证明所提出的算法不仅提高了推理速度,还提高了分割精度,解决了复杂堆叠场 景下物体特征提取效果差且检测速度慢的问题。     

基于YOLOv2网络的绝缘子自动识别与缺陷诊断模型

针对无人机或机器人获取的输电线路绝缘子图像,提出了一种基于深度学习图像识别框架（YOLOv2）网络的输电线路绝缘子在线识别与缺陷诊断模型,训练YOLOv2网络学习复杂背景下各种绝缘子的特征并准确识别,结合边缘检测、直线检测、图像旋转和垂直投影方法,对识别出各种状态的绝缘子进行缺陷诊断。输电线路巡检图像的仿真结果表明,所提出的绝缘子自动识别与缺陷诊断方法能迅速准确地从输电线路巡检图像中识别出绝缘子,并诊断出绝缘子是否破损以及缺陷位置,有利于提升输电线路智能巡检水平。