基于图像分类网络的碳纤维复合芯电缆破损检测方法技术

本发明专利技术提供一种基于图像分类网络的碳纤维复合芯电缆破损检测方法采用X成像的方式对碳纤维复合芯电缆进行图像采集；对采集的碳纤维复合芯电缆图像进行预处理操作，分别得到训练样本与检测样本；确定起始残差网络的输入输出及中间部分的结构，构建碳碳纤维复合芯电缆破损分类检测网络；使用训练样本训练碳纤维复合芯电缆破损分类检测网络，保存训练效果最优的模型；使用检测样本进行检测，根据碳纤维复合芯电缆破损分类检测网络分类输出，自动标记出图像中的破损位置。该方法能够自动实现碳纤维复合芯电缆破损检测，且检测效率和精度高。

Detection Method of Carbon Fiber Composite Core Cable Damage Based on Image Classification Network

【技术实现步骤摘要】
基于图像分类网络的碳纤维复合芯电缆破损检测方法
本专利技术涉及一种基于图像分类网络的碳纤维复合芯电缆破损检测方法。
技术介绍
随着现代化产业不断进步，各行各业的用电量呈几何增长，电缆承受的负荷越来越大。由于电缆所处环境复杂多样，无论是施工还是使用过程中，很容易导致碳纤维复合芯部分出现一定受损情况，直接影响到正常供电，极大的影响居民的生活。因此电缆破损位置检测方法显得尤为重要。传统的探伤检测方法中，中国电科院万建成和山东大学朱波等人，采用的检测技术主要是三种：射线检测、频率分析和弧垂监测。经和应用过这些技术的单位交流，认为：射线检测设备笨重，效率低；频率分析受干扰大，误判率极高；弧垂监测效果不明显。国内外对于碳纤维复合芯芯棒以及类似碳纤维复合芯构件分别采用过超声、超声导波、涡流、射线、声发射、光学等方法，取得了一定的效果，但仅局限于芯棒，对于芯棒外层包裹铝股后，一般很难进行检测。山东大学在芯棒中添加射线敏感的添加剂、中复碳芯在芯棒内部预埋光纤等相关技术方案也能够实现芯棒的监测或检测，但对于存量的输电线路无法应用为保障碳纤维复合芯导线输电线路安全，从生产制造到运维检修，都有一系列的试验检测技术，其中部分已成熟应用，还有一部分尚处于开发阶段。其中常规的检测方法大都是通过将图像进行锐化、灰度变换、平滑和傅里叶变换后的图像预处理方法，然后进行二值化处理，图像边缘提取和图像识别技术提取出缺陷图像。但此类方法在碳纤维复合芯电缆破损检测中不太适用，因为破损区域不是很明显，与背景对比度相差不大，所以难以检测。基于目前各类探伤方法都无法有效的解决碳纤维复合芯电缆破损这类破损和背景区别度极小的情况，因此将目前在计算机视觉上表现突出的深度学习方法引入对碳纤维复合芯电缆破损检测具有十分重要的意义。
技术实现思路
本专利技术的目的是提供一种基于图像分类网络的碳纤维复合芯电缆破损检测方法解决现有技术中存在的由于背景与破损差异不大难以检测的碳纤维复合芯电缆破损检测的问题。本专利技术的技术解决方案是：一种基于图像分类网络的碳纤维复合芯电缆破损检测方法，包括以下步骤，S1、针对碳纤维复合芯电缆的特点，采用X成像的方式对碳纤维复合芯电缆进行图像采集；S2、根据采集的碳纤维复合芯电缆图像整体的特征分布，对采集的碳纤维复合芯电缆图像进行预处理操作，分别得到训练样本与检测样本；S3、根据步骤S2预处理后的训练样本的样本特征，确定起始残差v2网络的输入输出及中间实现特征提取功能的卷积层的结构层数，构建碳纤维复合芯电缆破损分类检测网络；S4、使用步骤S2处理后得到的训练样本训练步骤S3中的碳纤维复合芯电缆破损分类检测网络，保存训练效果最优的模型，作为破损检测模型；S5、使用步骤S4中得到的破损检测模型对输入的经样本制作后的检测样本进行检测，根据碳纤维复合芯电缆破损分类检测网络分类输出，通过归一化指数函数对切割的样本经碳纤维复合芯电缆破损分类检测网络输出的类型判断及在原图中对应位置定位，自动标记出图像中的破损位置。进一步地，步骤S2中，采集的碳纤维复合芯电缆图像整体的特征分布情况是电缆图像在整张采集图片相对于其他空余的空间在整张采集图片的占比较小，并且碳纤维复合芯电缆有部分倾斜弯曲的倾向，其他空余的空间全是黑色无反射区域。进一步地，步骤S2中，对采集的碳纤维复合芯电缆图像进行预处理操作，具体为，S21、对采集的碳纤维复合芯电缆图像中倾斜表示的碳纤维复合芯电缆使用雷东变换投影法找出倾斜角进而进行倾斜校正；S22、手工标注碳纤维复合芯电缆中的破损区域，自动切割原图，生成多张有部分重叠且包含碳纤维复合芯碳芯部分的样本图片。进一步地，步骤S22中，自动切割原图，生成多张有部分重叠且包含碳纤维复合芯碳芯部分的样本图片，具体为，S221、从X射线成像碳纤维复合芯电缆原图中切割出准确碳芯图像；S222、画出矩形框标出破损位置；S223、根据矩形框位置，去除两端设定比例的部分，按照步长切割图像，即每隔步长长度，截取设定宽度和高度的图片，其中制作的样本图像中心和步骤S231所得准确碳芯图像一致，当切割图像得到切割的样本和之前标记的矩形框中的部分重叠时，步长变为原步长1/3，没有重叠时步长不变，此步骤相当于在矩形框所在的破损区域切割更为密集，增多破损样本数量。进一步地，步骤S3中，确定碳纤维复合芯电缆破损分类检测网络，具体为，根据样本图尺寸，调整起始残差v2网络的输入，根据缺陷图像的形貌，将无破损、折断、锯断、空隙、裂缝分别进行分类，并作为碳纤维复合芯电缆破损分类检测网络的输出；由于输入的图片尺寸减少，相应的将起始残差v2网络下采样层减少，以及最后相应调整全局池化层，输出图片分类结果。进一步地，步骤S3中，步骤S3中，确定碳纤维复合芯电缆破损分类检测网络，包括依次设置的主干层、起始残差层A、下采样层A、起始残差层B、起始残差层C、全局池化层、随机层、分类层。进一步地，确定碳纤维复合芯电缆破损分类检测网络中，主干层：作为初步对图像特征进行提取的结构，进行初步提取特征，并初步降低特征向量尺寸；起始残差层A：强化特征提取部分，通过增加网络广度增加其非线性，使特征提取更为有效；下采样层A：作下采样作用，降低向量维度降低计算量，并通过加入多条路径的下采样方式加入非线性，提高特征提取的有效性；起始残差层B：再次强化特征提取部分，通过增加网络广度增加其非线性，使特征提取更为有效；起始残差层C：再次强化之前的特征提取部分，通过增加网络广度增加其非线性，使特征提取更为有效；全局池化层：保留显著特征、降低特征维度，增大卷积核的感受野；随机层：作为降低过拟合结构，提高泛化性；分类层：实现分类功能，根据计算类别概率，判断输出最后的类别，将输出情况作为最后输出；其中相关顺序依次从上到下进行连接，其中起始残差层A循环5次，起始残差层B循环10次，起始残差层C循环5次。进一步地，步骤S4中，使用步骤S2处理后得到的训练样本训练步骤S3中的碳纤维复合芯电缆破损分类检测网络时，训练所采用的交叉熵损失函数：其中，Loss是损失，Sj是交叉熵损失函数的输出向量S的第j个值，表示的是这个样本属于第j个类别的概率，yj表示真实标签下的类别情况，k代表第k个样本，T代表样本总数，表示第k个样本输入碳纤维复合芯电缆破损分类检测网络分类部分前的特征提取向量指数值，同理表示第j个样本输入分类部分前的特征提取向量指数值，训练过程中，网络根据损失函数的数值，根据反向传播算法和亚当优化算法逐层计算更新量来更新网络的权值和偏置，保存训练效果最优的模型，作为最佳模型。进一步地，步骤S5中，根据碳纤维复合芯电缆破损分类检测网络分类输出，自动标记出图像中的破损位置，具体为，将需要进行检测的碳纤维复合芯电缆图像进行样本制作后，将处理后的切割图像加入模型进行检测，将图像中分类为无破损的切割图像区别出，对应到原图中相应位置，找到原图相应破损区域，标记出，将该位置定为破损区域。本专利技术的有益效果是：一、该种基于图像分类网络的碳纤维复合芯电缆破损检测方法，通过采用X射线成像，首次提出将深度学习技术用于碳纤维复合芯电缆破损的自动检测；并首次提出将图像分类技术用于破损区域的快速自动定位，能够自动实现碳纤维复合芯电缆破损检测，且检测效率和精度高，解决目本文档来自技高网...

【技术保护点】
1.一种基于图像分类网络的碳纤维复合芯电缆破损检测方法，其特征在于：包括以下步骤，S1、针对碳纤维复合芯电缆的特点，采用X成像的方式对碳纤维复合芯电缆进行图像采集；S2、根据采集的碳纤维复合芯电缆图像整体的特征分布，对采集的碳纤维复合芯电缆图像进行预处理操作，分别得到训练样本与检测样本；S3、根据步骤S2制作后的训练样本的样本特征，确定起始残差v2网络的输入输出及中间实现特征提取功能的卷积层结构层数，包括依次设置的主干层、起始残差层A、下采样层A、起始残差层B、起始残差层C、全局池化层、随机层、分类层，构建碳纤维复合芯电缆破损分类检测网络；S4、使用步骤S2处理后得到的训练样本训练步骤S3中的碳纤维复合芯电缆破损分类检测网络，保存训练效果最优的模型，作为破损检测模型；S5、使用步骤S4中得到的破损检测模型对输入的经样本制作后的检测样本进行检测，根据碳纤维复合芯电缆破损分类检测网络分类输出，通过归一化指数函数对切割的样本经网络输出的类型判断及在原图中对应位置定位，自动标记出图像中的破损位置。

【技术特征摘要】
1.一种基于图像分类网络的碳纤维复合芯电缆破损检测方法，其特征在于：包括以下步骤，S1、针对碳纤维复合芯电缆的特点，采用X成像的方式对碳纤维复合芯电缆进行图像采集；S2、根据采集的碳纤维复合芯电缆图像整体的特征分布，对采集的碳纤维复合芯电缆图像进行预处理操作，分别得到训练样本与检测样本；S3、根据步骤S2制作后的训练样本的样本特征，确定起始残差v2网络的输入输出及中间实现特征提取功能的卷积层结构层数，包括依次设置的主干层、起始残差层A、下采样层A、起始残差层B、起始残差层C、全局池化层、随机层、分类层，构建碳纤维复合芯电缆破损分类检测网络；S4、使用步骤S2处理后得到的训练样本训练步骤S3中的碳纤维复合芯电缆破损分类检测网络，保存训练效果最优的模型，作为破损检测模型；S5、使用步骤S4中得到的破损检测模型对输入的经样本制作后的检测样本进行检测，根据碳纤维复合芯电缆破损分类检测网络分类输出，通过归一化指数函数对切割的样本经网络输出的类型判断及在原图中对应位置定位，自动标记出图像中的破损位置。2.如权利要求1所述的基于图像分类网络的碳纤维复合芯电缆破损检测方法，其特征在于：步骤S2中，采集的碳纤维复合芯电缆图像整体的特征分布情况是电缆图像在整张采集图片相对于其他空余的空间在整张采集图片的占比较小，并且碳纤维复合芯电缆有部分倾斜弯曲的倾向，其他空余的空间全是黑色无反射区域。3.如权利要求1所述的基于图像分类网络的碳纤维复合芯电缆破损检测方法，其特征在于：步骤S2中，对采集的碳纤维复合芯电缆图像进行预处理操作，具体为，S21、对采集的碳纤维复合芯电缆图像中倾斜表示的碳纤维复合芯电缆使用拉冬变换投影法找出倾斜角进而进行倾斜校正；S22、手工标注碳纤维复合芯电缆中的破损区域，自动切割原图，生成多张有部分重叠且包含碳纤维复合芯碳芯部分的样本图片。4.如权利要求3所述的基于图像分类网络的碳纤维复合芯电缆破损检测方法，其特征在于：步骤S22中，自动切割原图，生成多张有部分重叠且包含碳纤维复合芯碳芯部分的样本图片，具体为，S221、从X射线成像碳纤维复合芯电缆原图中切割出准确碳芯图像；S222、画出矩形框标出破损位置；S223、根据矩形框位置，去除两端设定比例的部分，按照步长切割图像，即每隔步长长度，截取设定宽度和高度的图片，其中制作的样本图像中心和步骤S231所得准确碳芯图像一致，当切割图像得到切割的样本和之前标记的矩形框中的部分重叠时，步长变为原步长1/3，没有重叠时步长不变，此步骤相当于在矩形框所在的破损区域切割更为密集，增多破损样本数量。...

【专利技术属性】
技术研发人员：胡轶宁，魏睿，谢理哲，王征，魏寒来，黄强，陈大兵，张建国，袁光宇，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32