基于X射线图像的输电线压接缺陷识别方法及装置制造方法及图纸

本申请公开了基于X射线图像的输电线压接缺陷识别方法及装置，方法包括：基于预设自适应灰度化算法和预设FHN神经元并联列阵模型对输电线路耐张线夹的原始X射线图像分别进行灰度化处理和去噪处理，得到优化射线图像，预设自适应灰度化算法包括幂律变换机制，预设FHN神经元并联列阵模型基于随机共振机制构建；采用基于核函数的主成分分析方法提取优化射线图像的特征，得到低维特征向量；将低维特征向量输入改进KNN模型中进行压接缺陷分类，得到压接缺陷识别结果，改进KNN模型由粒子群算法优化得到。本申请能够现有技术无法克服X射线图像质量缺陷，确保图像缺陷识别结果的准确性，从而不能满足实际应用需求的技术问题。从而不能满足实际应用需求的技术问题。从而不能满足实际应用需求的技术问题。

【技术实现步骤摘要】
基于X射线图像的输电线压接缺陷识别方法及装置


[0001]本申请涉及图像识别
，尤其涉及基于X射线图像的输电线压接缺陷识别方法及装置。

技术介绍

[0002]压接作为一种重要的材料加工工艺，常用于110kV及以上输电线路与耐张线夹、接续管的连接。压接过程中，由于输电线路、耐张线夹、接续管等材料，压接工艺及自然环境等因素的影响，使得压接过程中必然会产生压接缺陷。压接质量好坏直接影响输电线路建设质量及使用寿命，甚至可能引起灾难性事故，造成大量经济损失和人员伤亡。因此，为了保证输电线路电力传输的稳定高效，较少事故发生的概率，进行耐张线夹、接续管压接质量检测具有深远意义。射线图谱是无损质量检测的视觉展示结果，其承载着大量直观的信息。但由于检测设备工艺、检测方法等诸多因素影响，射线图谱仍存在各式各样的缺陷，例如图像亮度、对比度、灰度变化不明显，存在大量噪声干扰等，图谱的缺陷直接影响后续压接质量评估的准确性。
[0003]由于现有X摄像图像存在无法避免的质量缺陷，导致现有基于学习算法的图像缺陷识别技术难以提取到关键部位的特征值，且对后续的图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于X射线图像的输电线压接缺陷识别方法，其特征在于，包括：基于预设自适应灰度化算法和预设FHN神经元并联列阵模型对输电线路耐张线夹的原始X射线图像分别进行灰度化处理和去噪处理，得到优化射线图像，所述预设自适应灰度化算法包括幂律变换机制，所述预设FHN神经元并联列阵模型基于随机共振机制构建；采用改进主成分分析方法提取所述优化射线图像的特征，得到低维特征向量，所述改进主成分分析方法包括核函数；将所述低维特征向量输入改进KNN模型中进行压接缺陷分类，得到压接缺陷识别结果，所述改进KNN模型由粒子群算法优化得到。2.根据权利要求1所述的基于X射线图像的输电线压接缺陷识别方法，其特征在于，所述基于预设自适应灰度化算法和预设FHN神经元并联列阵模型对输电线路耐张线夹的原始X射线图像分别进行灰度化处理和去噪处理，得到优化射线图像，包括：基于幂律变换机制构建预设自适应灰度化算法对应的幂指数变换公式；通过所述幂指数变换公式对输电线路的原始X射线图像进行自适应灰度化处理，得到灰度化射线图像；基于随机共振机制构建预设FHN神经元并联列阵模型后，将所述灰度化射线图像转换为二进制序列；采用所述预设FHN神经元并联列阵模型对所述二进制序列进行去噪处理，得到优化射线图像。3.根据权利要求1所述的基于X射线图像的输电线压接缺陷识别方法，其特征在于，所述基于预设自适应灰度化算法和预设FHN神经元并联列阵模型对输电线路耐张线夹的原始X射线图像分别进行灰度化处理和去噪处理，得到优化射线图像，之后还包括：对所述优化射线图像进行预处理操作，所述预处理操作包括边缘检测、膨胀、清扫、分割和压缩。4.根据权利要求1所述的基于X射线图像的输电线压接缺陷识别方法，其特征在于，所述采用改进主成分分析方法提取所述优化射线图像的特征，得到低维特征向量，所述改进主成分分析方法包括核函数，包括：将所述优化射线图像表达为图像数据矩阵后，通过改进主成分分析方法中的核函数将所述图像数据矩阵映射至高维特征空间，得到高维特征表达；根据所述高维特征表达进行基于特征向量的主成分分析计算，得到低维特征向量。5.根据权利要求1所述的基于X射线图像的输电线压接缺陷识别方法，其特征在于，所述将所述低维特征向量输入改进KNN模型中进行压接缺陷分类，得到压接缺陷识别结果，所述改进KNN模型由粒子群算法优化得到，之前还包括：基于初始化邻近样本数量和预置训练数据集对初始KNN模型进行分类训练，并计算分类误差；将所述分类误差作为适应度值，并更新所述初始邻近样本数量...

【专利技术属性】
技术研发人员：付东，卢启付，汤龙华，冉旺，钟飞，石泉，黄鸿宇，孙家祥，傅明，游德华，邓威，李建波，
申请(专利权)人：广东粤电科试验检测技术有限公司，
类型：发明
国别省市：