一种电缆缓冲层缺陷检测方法、装置、存储介质和设备制造方法及图纸

本发明专利技术提供了一种电缆缓冲层缺陷检测方法，所述方法包括基于级联掩膜区域卷积神经网络原始模型搭建并优化，生成电缆计算机断层扫描切片缺陷检测模型；利用所述若干个三维计算机断层扫描切片图像数据和对应的标注文件对所述电缆计算机断层扫描切片缺陷检测模型进行训练，获取表现最优的权重文件；利用含有表现最优的权重文件的电缆计算机断层扫描切片缺陷检测模型对电缆缓冲层计算机断层扫描切片图像进行检测，识别电缆缓冲层缺陷。本发明专利技术解决了现有技术存在的目标检测模型存在模型检测精度较低问题，产生了提高了电缆CT切片缺陷检测模型的检测精度的效果。陷检测模型的检测精度的效果。陷检测模型的检测精度的效果。

【技术实现步骤摘要】
一种电缆缓冲层缺陷检测方法、装置、存储介质和设备


[0001]本专利技术涉及深度学习目标检测
，尤其涉及一种电缆缓冲层缺陷检测方法、装置、存储介质和设备。

技术介绍

[0002]高压电缆缓冲层烧蚀故障是高压电缆故障的主要因素之一。通常采用计算机断层扫描(CT)检测成像对高压电缆缓冲层缺陷进行检测，且一般是由人工对CT检测成像图片进行识别其存在的缺陷，由于人工识别耗费人力，效率低，准确度不高，所以需要一种自动识别高压电缆缓冲层缺陷的方法。近年来，深度学习的发展不仅突破了很多难以解决的视觉难题，提升了对图像认知的水平，更是加速了目标检测领域相关技术的进步，将深度学习中的图像特征自动学习方法应用于工业CT图像的缺陷检测成为了主流的研究方向。
[0003]基于深度学习的目标检测模型主要分为one
‑
stage和two
‑
stage两大类，one
‑
stage目标检测模型使用卷积神经网络直接预测目标的类别和位置，实现分类和回归一步到位，该类模型的特点是速度快，但是精度较低，two
‑
stage目标检测模型的特点是速度慢，精度较高。除此之外，常见的目标检测模型在计算建议候选框与真实标注框的交并比(IoU)时，通常针对交并比与设定的单一阈值将建议候选框分为正负样本，通常正样本的数量会远大于负样本，在测试阶段会对正负样本进行采样，使两者比例满足某个比值，但在测试阶段由于无真实标注框的对比，导致建议候选框的质量偏低，检测精度较低。因此需要一种采用级联结构的模型来突破单一阈值下高压电缆缺陷检测精度的瓶颈，使得模型在每一次回归后样本都更能靠近高压电缆缺陷的真实位置，适应不同建议候选框的分布。
[0004]现有技术中的目标检测模型存在模型检测精度较低的问题。

技术实现思路

[0005]针对现有技术中所存在的不足，本专利技术提供了一种电缆缓冲层缺陷检测方法，其解决了现有技术中存在的目标检测模型存在模型检测精度较低的问题。
[0006]第一方面，本专利技术提供一种电缆缓冲层缺陷检测方法，其包括：获取含有电缆缓冲层缺陷的若干个三维计算机断层扫描切片图像数据和对应的标注文件；基于级联掩膜区域卷积神经网络原始模型搭建并优化，生成电缆计算机断层扫描切片缺陷检测模型；利用所述若干个三维计算机断层扫描切片图像数据和对应的标注文件对所述电缆计算机断层扫描切片缺陷检测模型进行训练，获取表现最优的权重文件；利用含有表现最优的权重文件的电缆计算机断层扫描切片缺陷检测模型对电缆缓冲层计算机断层扫描切片图像进行检测，识别电缆缓冲层缺陷。
[0007]进一步地，利用所述若干个三维计算机断层扫描切片图像数据和对应的标注文件对所述电缆计算机断层扫描切片缺陷检测模型进行训练，获取表现最优的权重文件，包括：对所述若干个三维计算机断层扫描切片图像数据进行特征提取，生成特征图；对所述特征图生成建议候选框；将所述建议候选框和对应的标注文件通过三级级联检测器，得到三个
设定交并比阈值下对应的缺陷类别和边界框回归参数；其中，所述三级级联检测器由目标分类器和边界框回归器组成；根据所述缺陷类别和所述边界框回归参数，利用非极大值抑制算法筛选出高概率目标框并得到最终的训练结果，获取表现最优的权重文件。
[0008]进一步地，对所述特征图生成建议候选框为利用多尺度检测算法特征金字塔网络算法为所述特征图生成建议候选框；所述特征金字塔网络算法包括：将不改变特征图大小的层归为一个阶段，每个阶段的最后一个层输出的特征构成特征层金字塔；采用1
×
1的卷积核对每个阶段进行卷积，使得阶段的通道数一致；自顶向下采用上采样的方式将顶层的小特征图放大到与上一个阶段的特征图一样的大小；将上采样的结果和自底向上生成的相同大小的特征图分别通过相加的方法进行融合；再采用3*3的卷积核对每个融合结果进行卷积；通过均值聚类算法统计标注文件矩形框的面积和长宽比，设置不同面积的参照框分别对应到不同的特征层上；每种面积的参照框设置多种长宽比，在特征层上滑动遍历，生成建议候选框。
[0009]进一步地，所述边界回归框回归器定义如下：其中，x表示子图像块，b表示样本分布，f表示边界框回归器，f1、f2、f3设定了三个不同的交并比阈值，f1的输出作为f2的输入，f2的输出作为f3的输入，{f1，f2，f3}针对不同阶段的重采样分布进行优化。
[0010]进一步地，利用所述若干个三维计算机断层扫描切片图像数据和对应的标注文件对所述电缆计算机断层扫描切片缺陷检测模型进行训练，还包括：将所述建议候选框映射到所述特征图中得到对应的特征矩阵，将所述特征矩阵通过特征投影统一调整到指定大小。
[0011]可选地，获取含有电缆缓冲层缺陷的若干个三维计算机断层扫描切片图像数据和对应的标注文件，包括：用专用偏移中心校正计算机断层扫描测量工件对电缆进行扫描，获取投影正弦图；根据所述投影正弦图，提取投影边缘，初步测量旋转中心偏移值；根据初步测量的旋转中心偏移值，在一定范围内重建多幅图像，再依据图像点扩散函数(PSF)来分析图像质量，精确测量旋转中心偏移值；依据精确测量的旋转中心偏移值，控制运动系统带动转台移动所述精确值偏移值对应的距离，校正旋转中心的偏移；根据校正过后的计算机断层扫描测量工件扫描的投影正弦图进行图像三维重建，得到三维计算机断层扫描切片图像数据；获取含有电缆缓冲层缺陷的三维计算机断层扫描切片图像数据的标注文件。
[0012]可选地，获取含有电缆缓冲层缺陷的若干个三维计算机断层扫描切片图像数据和对应的标注文件，包括：获取含有电缆缓冲层缺陷的若干个三维计算机断层扫描切片图像原数据；对所述若干个三维计算机断层扫描切片图像原数据进行预处理，得到含有电缆缓冲层缺陷的若干个三维计算机断层扫描切片图像数据；所述预处理包括灰度拉伸、高动态范围图像增强和图像去噪；其中，所述灰度拉伸采用分段线性灰度拉伸，所述高动态范围图像增强算法采用自适应非锐化掩膜法算法，所述图像去噪采用高斯去噪；获取所述若干个三维计算机断层扫描切片图像数据对应的标注文件。
[0013]进一步地，所述自适应非锐化掩膜法算法的计算公式如下：y(n,m)＝x(n,m)+λ
·
z(n,m)，其中，x(n,m)为原图像，z(n,m)为高频图像，y(n,m)为输出图像，λ表示自适应函数。
[0014]进一步地，所述ResNeXt
‑
101卷积神经网络或ResNet
‑
50卷积神经网络包括卷积
层、池化层和激活层，卷积层从所述若干个三维计算机断层扫描切片图像数据中进行特征提取，生成特征图；所述池化层用于去除冗余信息，减少参数量，扩大感受野；所述激活层利用激活函数对输出层进行卷积，增加输出层的非线性。
[0015]可选地，利用所述若干个三维计算机断层扫描切片图像数据和对应的标注文件对所述电缆计算机断层扫描切片缺陷检测模型进行训练，获取表现最优的权重文件之前，还包括：利用图像数据集训练权本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电缆缓冲层缺陷检测方法，其特征在于，包括：获取含有电缆缓冲层缺陷的若干个三维计算机断层扫描切片图像数据和对应的标注文件；基于级联掩膜区域卷积神经网络原始模型搭建并优化，生成电缆计算机断层扫描切片缺陷检测模型；利用所述若干个三维计算机断层扫描切片图像数据和对应的标注文件对所述电缆计算机断层扫描切片缺陷检测模型进行训练，获取表现最优的权重文件；利用含有表现最优的权重文件的电缆计算机断层扫描切片缺陷检测模型对电缆缓冲层计算机断层扫描切片图像进行检测，识别电缆缓冲层缺陷。2.如权利要求1所述的一种电缆缓冲层缺陷检测方法，其特征在于，利用所述若干个三维计算机断层扫描切片图像数据和对应的标注文件对所述电缆计算机断层扫描切片缺陷检测模型进行训练，获取表现最优的权重文件，包括：对所述若干个三维计算机断层扫描切片图像数据进行特征提取，生成特征图；对所述特征图生成建议候选框；将所述建议候选框和对应的标注文件通过三级级联检测器，得到三个设定交并比阈值下对应的缺陷类别和边界框回归参数；其中，所述三级级联检测器由目标分类器和边界框回归器组成；根据所述缺陷类别和所述边界框回归参数，利用非极大值抑制算法筛选出高概率目标框并得到最终的训练结果，获取表现最优的权重文件。3.如权利要求2所述的一种电缆缓冲层缺陷检测方法，其特征在于，对所述特征图生成建议候选框为利用多尺度检测算法特征金字塔网络算法为所述特征图生成建议候选框；所述特征金字塔网络算法包括：将不改变特征图大小的层归为一个阶段，每个阶段的最后一个层输出的特征构成特征层金字塔；采用1
×
1的卷积核对每个阶段进行卷积，使得阶段的通道数一致；自顶向下采用上采样的方式将顶层的小特征图放大到与上一个阶段的特征图一样的大小；将上采样的结果和自底向上生成的相同大小的特征图分别通过相加的方法进行融合；再采用3*3的卷积核对每个融合结果进行卷积；通过均值聚类算法统计标注文件矩形框的面积和长宽比，设置不同面积的参照框分别对应到不同的特征层上；每种面积的参照框设置多种长宽比，在特征层上滑动遍历，生成建议候选框。4.如权利要求2所述的一种电缆缓冲层缺陷检测方法，其特征在于，所述边界框回归器定义如下：其中，x表示子图像块，b表示样本分布，f表示边界框回归器，f1、f2、f3设定了三个不同的交并比阈值，f1的输出作为f2的输入，f2的输出作为f3的输入，{f1，f2，f3}针对不同阶段的重采样分布进行优化。
5.如权利要求2所述的一种电缆缓冲层缺陷检测方法，其特征在于，利用所述若干个三维计算机断层扫描切片图像数据和对应的标注文件对所述电缆计算机断层扫描切片缺陷检测模型进行训练，还包括：将所述建议候选框映射到所述特征图中得到对应的特征矩阵，将所述特征矩阵通过特征投影统一调整到指定大小。6.如权利要求1所述的一种电缆缓冲层缺陷检测方法，其特征在于，获取含有电缆缓冲层缺陷的若干个三维计算机断层扫描切片图像数据和对应的标注文件，包括：用专用偏移中心校正计算机断层扫描测量工件对电缆进行扫描，获取投影正弦图；根据所述投影正弦图，提取投影边缘，初步测量旋转中心偏移值；根据初步测量的旋转中心偏移值，在一定范围内重建多幅图像，再依据图像点扩散函数来分析图像质量，精确测量旋转中心偏移值；依据精确测量的旋转中心偏移值，控制运动系统带动转台移动所述精确值偏移值对应的距离，校正旋转中心的偏移；根据校正过后的计算机断层扫描测量工件扫描的投影正弦图进行图像三维重建，得到三维计算机断层扫描切片图像数据；获取含有电缆缓冲层缺陷的三维计算机断层扫描切片图像数据的标注文件。7.如权利要求1所述的一种电缆缓冲层缺陷检测方法，其特征在于，获取含有电缆缓冲层缺陷的若干个三维计算机断层扫描切片图像数据和对应的标注文件，包括：获取含有电缆缓冲层缺陷的若干个三维计算机断层扫描切片图像原数据；对所述若干个三维计算机断层扫描切片图像原数据进行预处理，得到含有电缆缓冲层缺陷的若干个三维计算机断层扫描切片图像数据；所述预处理包括灰度拉伸、高动态范围图像增强和图像去噪；其中，所述灰度拉伸采用分段线性灰度拉伸，所述高动态范围图像增强算法采用自适应非锐化掩膜法，所述图像去噪采用高斯去噪；获取所述若干个三维计算机断层扫描切片图像数据对应的标注文件。8.如权利要求7所述的一种电缆缓冲层缺陷检测方法，其特征在于，所述自适应非锐化掩膜法的计算公式如下：y(n,m)＝x(n,m)+λ
·
z(n,m)，其中，x(n,m)为原图像，z(n,m)为高频图像，y(n,m)为输出图像，λ表示自适应函数。9.如权利要求1所述的一种电缆缓冲层缺陷检测方法，其特征在于，所述ResNeXt
‑
101卷积神经网络或ResNet
‑
50卷积神经网络包括卷积层、池化层和激活层，卷积层从所述若干个三维计算机断层扫描切片图像数据中进行特征提取，生成特征图；所述池化层用于去除冗余信息，减少参数量，扩大感受野；所述激活层利用激活函数对输出层进行卷积，增加输出层的非线性。10.如权利要求1所述的一种电缆缓冲层缺陷检测方法，其特征在于，利用所述若干个三维计算机断层扫描切片图像...

【专利技术属性】
技术研发人员：张文泷，邱焓，段晓礁，倪松，陈大兵，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，
类型：发明
国别省市：