一种基于云平台的电力电缆缺陷检测方法及其检测系统技术方案

本公开揭示了一种基于云平台的电力电缆缺陷检测方法，包括：利用X射线对待测电力电缆进行轴向垂直照射；接收透过待测电力电缆的X射线实时生成检测图像；采集实时生成的检测图像并发送至云平台；对所采集到的检测图像进行预处理；识别预处理后的检测图像的缺陷并给出识别结果以及评判预处理后的检测图像的缺陷危害性并给出评判结果。本公开还揭示了一种基于云平台的电力电缆缺陷检测系统，包括X射线发生模块、图像生成模块、图像采集模块、图像预处理模块和图像缺陷识别模块。本公开将电力电缆的缺陷检测结果存储至云平台，便于检测人员通过智能移动终端下载进而提高工作效率。

A Power Cable Defect Detection Method Based on Cloud Platform and Its Detection System

This disclosure discloses a method for defect detection of power cables based on cloud platform, which includes: using X-ray to illuminate the tested power cables vertically and axially; receiving X-ray to generate real-time detection images through the power cables to be tested; collecting real-time generated detection images and sending them to cloud platform; preprocessing the collected detection images; identifying the pre-processed detection maps. The defect of the image is identified and the damage of the defect of the pre-processed image is evaluated. The disclosure also discloses a power cable defect detection system based on cloud platform, including X-ray generation module, image generation module, image acquisition module, image preprocessing module and image defect recognition module. The present disclosure stores the defect detection results of power cables to a cloud platform, so as to facilitate the inspectors to download through the smart mobile terminal and thereby improve work efficiency.

【技术实现步骤摘要】
一种基于云平台的电力电缆缺陷检测方法及其检测系统
本公开属于电力电缆缺陷检测领域，具体涉及一种基于云平台的电力电缆缺陷检测方法及其检测系统。
技术介绍
为保证供电的稳定不间断，对电力电缆的检测要求在带电的情况下进行，X射线对电缆的正常运行无影响、灵敏度高，因此，X射线可以作为一种电力电缆带电检测的手段，但目前并没有得到广泛应用，原因在于X射线应用于电力电缆检测还存在如下问题：目前，有关X射线在电力设备检测中经常被采用的是X射线照相技术(CR技术)和X射线数字成像技术(DR技术)，CR技术需要先在IP板上形成潜影，再将IP板送入扫描仪转化为数字图像，操作过程复杂，且设备不利于现场检测。DR技术利用平板探测器直接形成数字图像，不再需要扫描仪，DR在CR的基础上虽然简化了检测过程和检测设备但一次照射仅能成一张图像，拍摄成像效率较低。其次，配套的图像接收和处理软件安装运行在专门配置的笔记本电脑上，对电脑计算性能的要求导致配备的笔记本电脑比较笨重，不方便随身携带随地使用。再其次，图像由成像设备到图像处理软件采用有线传输，限制了操作人员与射线机拍摄区域的距离，灵活性不高，同时增加了辐射防护难度。此外，由于现场检测环境、射线源、成像设备等多方面的因素，拍摄的图像往往清晰度不够，成像质量达不到要求，细节信息被掩盖，影响对结果的判断。与X射线成像系统配套的图像处理软件发展相对滞后，通常仅能提供简单的图像调整功能，且需手动操作处理图像，实际检测中会有大量图像需要处理，手动单张调节会严重影响图像处理效率。另外，目前的X射线成像系统配套图像处理软件不具备电力电缆缺陷自动识别功能，对缺陷的判断依靠人眼观察识别，增加了检测人员的工作量，不利于提高效率和结果管理。
技术实现思路
本公开的目的是为了克服上述现有技术中存在的缺陷而提出一种基于云平台的电力电缆缺陷检测方法及其检测系统，能够对电力电缆内部实时成像，自动进行图像优化处理和识别电缆缺陷，能够有效的减轻检测人员的工作量，且控制终端体积小、重量轻、使用灵活，能够满足现场检测要求。本公开的目的可以通过以下技术方案来实现：一种基于云平台的电力电缆缺陷检测方法，包括如下步骤：S100：利用X射线对待测电力电缆进行轴向垂直照射；S200：接收透过待测电力电缆的X射线实时生成检测图像；S300：采集实时生成的检测图像并发送至云平台；S400：对所采集到的检测图像进行预处理；S500：识别预处理后的检测图像的缺陷并给出识别结果以及评判预处理后的检测图像的缺陷危害性并给出评判结果。优选的，步骤S400中，所述对所采集到的检测图像进行预处理包括如下步骤：S401：图像几何变换：对检测图像进行倾斜较正，将检测图像自动变换至电缆轴向沿水平方向；S402：图像去噪：利用滤波降低检测图像的量子噪声和颗粒噪声；S403：图像增强：对检测图像进行灰度调节和锐化。优选的，步骤S500中，所述识别预处理后的检测图像的缺陷是通过缺陷识别模型完成的，所述缺陷识别模型包括：图像分类模块，用于判断检测图像中电力电缆的受检测部位；图像分割模块，根据预置的电力电缆型号匹配检测图像中电力电缆的标称尺寸，识别检测图像中的电力电缆的结构；物体检测模块，用于对检测图像中的电力电缆进行缺陷诊断，若存在缺陷，则在检测图像中对缺陷所在方位进行标记。优选的，步骤S500中，所述对预处理后的检测图像进行缺陷危害性评判通过如下方式进行：其中，Q为缺陷危害性评分，n为缺陷数量，Si为第i个缺陷的面积大小，Ai为第i个缺陷的权重。优选的，步骤S500中，所述缺陷类型识别结果和缺陷危害性评判结果存储于云平台。优选的，所述缺陷识别模型在使用前需要进行模型训练，所述模型训练包括如下步骤：S1001：获取大量X射线电力电缆检测图像形成模型训练图片库；S1002：对检测图像进行手工标注，所述标注包括：设置检测图像标签、划分电缆各部分结构并标注名称、框选出检测图像的缺陷位置；S1003：将标注完成的检测图像保存至云平台，并进入构建好的模型进行训练；S1004：将经过训练的检测图像添加进模型训练图片库，经标注后用于对模型的再次训练。本公开还提供一种基于云平台的电力电缆缺陷检测系统，包括：X射线发生模块，用于产生X射线对待测电力电缆进行轴向垂直照射；图像生成模块，用于接收透过待测电力电缆的X射线实时生成检测图像；图像采集模块，用于采集实时生成的检测图像并发送至云平台；图像预处理模块，用于对所采集到的检测图像进行预处理；图像缺陷识别模块，用于识别预处理后的检测图像的缺陷并给出识别结果以及评判预处理后的检测图像的缺陷的危害性并给出评判结果。优选的，所述图像生成模块包括增强器和荧光显示屏。优选的，所述图像采集模块包括具有无线通讯功能的智能移动终端。优选的，所述图像预处理模块和图像缺陷识别模块均运行于云平台上。与现有技术相比，本公开带来的有益效果为：1、本公开的图像处理程序和数据存储均在云平台完成，不需要很强的本地计算能力；2、检测图像能实时动态显示在成像模块显示屏上，摒弃了传统CR或DR成像系统射线机一次加压拍摄一张图像的工作模式；3、采用人工智能深度学习方法，不需要人工提取特征参数，并且准确度能够随着训练数据增多而提高；4、通过云平台汇集不同用户拍摄的电缆检测图像，并训练已有缺陷模型，从而不断提高检测准确度。附图说明图1是一种基于云平台的电力电缆缺陷检测方法流程图。具体实施方式下面结合附图和实施例对本公开的技术方案进行详细描述。参见图1，本公开提供了一种基于云平台的电力电缆缺陷检测方法，包括如下步骤：S100：利用X射线对待测电力电缆进行轴向垂直照射；S200：接收透过待测电力电缆的X射线实时生成检测图像；S300：采集实时生成的检测图像并发送至云平台；S400：对所采集到的检测图像进行预处理；S500：识别预处理后的检测图像的缺陷并给出识别结果以及评判预处理后的检测图像的缺陷危害性并给出评判结果。至此，上述实施例完整的公开了一种基于云平台的电力电缆缺陷检测方法，本实施例中的图像处理和图像存储均在云平台上完成，不需要很强的本地计算能力，因此，控制程序可运行在移动智能终端，在减小设备体积的同时便于检测人员在远离射线检测现场通过远程控制完成电力电缆检测，降低了射线对人体伤害的风险；本实施例能够实时生成检测图像，摒弃了传统CR或DR成像系统射线机一次加压拍摄一张图像的工作模式，具有图像采集效率高的优点；本实施例通过采用人工智能深度学习进行缺陷识别，能够极大提高检测精度，并且检测精度随着使用过程中检测数据的累积而提高。另一个实施例中，步骤S400中，所述对所采集到的检测图像进行预处理包括如下步骤：S401：图像几何变换：对检测图像进行倾斜较正，将检测图像自动变换至电缆轴向沿水平方向；S402：图像去噪：利用滤波降低检测图像的量子噪声和颗粒噪声；S403：图像增强：对检测图像进行灰度调节和锐化。在步骤S402的具体实施例中，图像去噪采用多帧平均滤波与小波包变换结合的方法；在步骤S403的具体实施例中，图像灰度调节采用基于s曲线灰度变换；图像锐化可使用梯度算子法、拉普拉斯算子法等另一个实施例中，步骤S500中，所述识别预处理后的检测图像的缺陷是通过缺陷识别模型完成的，本文档来自技高网...

【技术保护点】
1.一种基于云平台的电力电缆缺陷检测方法，包括如下步骤：S100：利用X射线对待测电力电缆进行轴向垂直照射；S200：接收透过待测电力电缆的X射线实时生成检测图像；S300：采集实时生成的检测图像并发送至云平台；S400：对所采集到的检测图像进行预处理；S500：识别预处理后的检测图像的缺陷并给出识别结果以及评判预处理后的检测图像的缺陷危害性并给出评判结果。

【技术特征摘要】
1.一种基于云平台的电力电缆缺陷检测方法，包括如下步骤：S100：利用X射线对待测电力电缆进行轴向垂直照射；S200：接收透过待测电力电缆的X射线实时生成检测图像；S300：采集实时生成的检测图像并发送至云平台；S400：对所采集到的检测图像进行预处理；S500：识别预处理后的检测图像的缺陷并给出识别结果以及评判预处理后的检测图像的缺陷危害性并给出评判结果。2.根据权利要求1所述的检测方法，其特征在于，优选的，步骤S400中，所述对所采集到的检测图像进行预处理包括如下步骤：S401：图像几何变换：对检测图像进行倾斜较正，将检测图像自动变换至电缆轴向沿水平方向；S402：图像去噪：利用滤波降低检测图像的量子噪声和颗粒噪声；S403：图像增强：对检测图像进行灰度调节和锐化。3.根据权利要求1所述的检测方法，其特征在于，步骤S500中，所述识别预处理后的检测图像的缺陷是通过缺陷识别模型完成的，所述缺陷识别模型包括：图像分类模块，用于判断检测图像中电力电缆的受检测部位；图像分割模块，根据预置的电力电缆型号匹配检测图像中电力电缆的标称尺寸，识别检测图像中的电力电缆的结构；物体检测模块，用于对检测图像中的电力电缆进行缺陷诊断，若存在缺陷，则在检测图像中对缺陷所在方位进行标记。4.根据权利要求1所述的检测方法，其特征在于，步骤S500中，所述对预处理后的检测图像进行缺陷危害性评判通过如下方式进行：其中，Q为缺陷危害性评分，n为缺陷数量，Si为第i个缺陷的面积大小，Ai为第...

【专利技术属性】
技术研发人员：刘刚，高颂九，杨兰均，喻梦晗，邵栋栋，应永忠，竺海波，潘沛峰，李晨辉，张旭东，
申请(专利权)人：宁波送变电建设有限公司甬城配电网建设分公司，西安交通大学，国网浙江宁波市鄞州区供电有限公司，
类型：发明
国别省市：浙江,33