【技术实现步骤摘要】
本专利技术涉及电力电缆检测，尤其涉及一种电缆主绝缘部分缺陷识别方法和系统。
技术介绍
1、目前，大部分的电缆线路故障是施工过程中存在不当操作导致的。一方面在铺设电缆过程中由于机械牵引力过大而拉伤电缆或电缆过度弯曲而损伤电缆。另一方面安装中间接头时不当操作导致接头处形成施工缺陷。在上述两方面因素中，电缆中间接头的施工缺陷最为隐蔽，电缆事故中因接头存在施工缺陷导致的占比最大，施工缺陷的存在直接导致接头绝缘性能降低，使用寿命缩短，在接头投入后很容易发生击穿。
2、对于电缆主绝缘部分的缺陷，根据统计主要有主绝缘污渍缺陷和主绝缘划伤缺陷，目前对于该两种缺陷的识别效率较低，不能较好的分辨缺陷的类型，需要人工进行确认，容易造成缺陷无法识别或者识别错误的情况，造成配网电缆运行可靠性降低。
技术实现思路
1、本专利技术提供了一种电缆主绝缘部分缺陷识别方法和系统，解决了现有的缺陷的识别效率较低，不能较好的分辨缺陷的类型，需要人工进行确认，容易造成缺陷无法识别或者识别错误的情况，造成配网电缆运行可靠性降低的技术问题。
2、本专利技术第一方面提供的一种电缆主绝缘部分缺陷识别方法，包括：
3、当接收到训练图像集时，对所述训练图像集进行图像预处理，生成对应的训练图像纹理特征；
4、采用所述训练图像纹理特征输入预设初始神经网络识别模型进行训练，生成目标神经网络识别模型；
5、当接收到待识别电缆中间接头的采样图像时，对所述采样图像进行所述图像预处理，并通
6、可选地，所述当接收到训练图像集时，对所述训练图像集进行图像预处理，生成对应的训练图像纹理特征的步骤，包括：
7、当接收到训练图像集时，对所述训练图像集建立对应的rgb彩色空间分量直方分布图，其中，所述训练图像包括电缆中间接头图像以及关联的主绝缘部分图像；
8、从所述主绝缘部分图像关联的所述rgb彩色空间分量直方分布图提取对应的rgb分量值；
9、基于所述rgb分量值确定主绝缘部分所处的目标区域，并将所述目标区域的图像作为初步图像，其中，所述初步图像为仅包含主绝缘部分的图像；
10、基于预设图像处理策略对所述初步图像进行图像处理，生成对应的训练图像纹理特征。
11、可选地，所述预设图像处理策略包括第一图像处理策略和第二图像处理策略，所述基于预设图像处理策略对所述初步图像进行图像处理，生成对应的训练图像纹理特征的步骤，包括：
12、采用所述第一图像处理策略对所述初步图像进行图像处理，生成对应的第一图像纹理特征，其中，所述第一图像纹理特征包括第一平均亮度、第一平均对比度、第一灰度直方图的对称性、第一灰度随机性以及第一色差；
13、采用所述第二图像处理策略对所述初步图像进行图像处理，生成对应的第二图像纹理特征，其中，所述第二图像纹理特征包括第二平均亮度、第二平均对比度、第二灰度直方图的对称性、第二灰度随机性以及第二色差；
14、将所述第一图像纹理特征和所述第二图像纹理特征作为训练图像纹理特征。
15、可选地，所述采用所述第一图像处理策略对所述初步图像进行图像处理，生成对应的第一图像纹理特征的步骤，包括：
16、采用最大类间方差法对所述初步图像进行切割，生成第一切割图像；
17、根据投影法获取所述第一切割图像在水平方向rgb色彩空间三分量的垂直方向投影图像；
18、提取所述垂直方向投影图像中两个拐点之间的图像作为第一预处理图像；
19、提取所述第一预处理图像关联的第一图像纹理特征。
20、可选地，所述采用所述第二图像处理策略对所述初步图像进行图像处理，生成对应的第二图像纹理特征的步骤，包括：
21、采用最大类间方差法对所述初步图像进行切割，生成第二切割图像；
22、采用prewitt算子对所述第二切割图像进行边缘检测，生成二值图像；
23、采用所述二值图像与所述第二切割图像进行乘法运算，生成第二预处理图像；
24、提取所述第二预处理图像关联的第二图像纹理特征。
25、可选地，所述采用所述训练图像纹理特征输入预设初始神经网络识别模型进行训练，生成目标神经网络识别模型的步骤，包括：
26、采用所述训练图像纹理特征输入预设初始神经网络识别模型进行训练，输出对应的训练结果；
27、计算所述训练结果与预设标准训练结果之间的误差值；
28、当所述误差值小于预设标准误差值时，输出所述目标神经网络识别模型。
29、可选地，还包括模型优化过程，所述模型优化过程具体包括：
30、按照预设分组条件对训练图像纹理特征进行分组，生成第一分组训练图像纹理特征和第二分组训练图像纹理特征；
31、获取所述第一分组训练图像纹理特征关联的第一权重占比值；
32、获取所述第二分组训练图像纹理特征关联的第二权重占比值；
33、采用预设第一调整值对所述第一权重占比值进行调整，通过遍历计算所有所述第一权重占比值关联的第一误差率；
34、从多个所述第一误差率中筛选出满足预设筛选条件的第一目标误差率，并根据所述第一目标误差率关联的所述第一权重占比值反馈优化所述目标神经网络识别模型，其中，所述预设筛选条件为所述第一误差率小于或等于预设误差率容忍值且所述第一误差率为最小值。
35、可选地，还包括：
36、当任一所述第一误差率未满足所述预设筛选条件时，采用预设第二调整值对所述第一权重占比值进行调整，通过遍历计算所有所述第一权重占比值关联的第二误差率；
37、从多个所述第二误差率中筛选出满足预设筛选条件的第二误差率，并根据所述第二误差率关联的所述第一权重占比值反馈优化所述目标神经网络识别模型。
38、本专利技术第二方面提供的一种电缆主绝缘部分缺陷识别系统，包括：
39、图像预处理模块，用于当接收到训练图像集时，对所述训练图像集进行图像预处理，生成对应的训练图像纹理特征；
40、目标神经网络识别模型模块，用于采用所述训练图像纹理特征输入预设初始神经网络识别模型进行训练，生成目标神经网络识别模型；
41、缺陷识别结果输出模块，用于当接收到待识别电缆中间接头的采样图像时，对所述采样图像进行图像预处理，并通过所述目标神经网络识别模型输出对应的缺陷识别结果。
42、可选地，所述图像预处理模块包括：
43、训练图像接收子模块，用于当接收到训练图像集时，对所述训练图像集建立对应的rgb彩色空间分量直方分布图，其中，所述训练图像包括电缆中间接头图像以及关联的主绝缘部分图像；
44、rgb分量值子模块，用于从所述主绝缘部分图像关联的所述rgb彩色空间分量直方分布图提取对应的rgb分量值；
45、初步图像子本文档来自技高网...
【技术保护点】
1.一种电缆主绝缘部分缺陷识别方法，其特征在于，包括：
2.根据权利要求1所述的电缆主绝缘部分缺陷识别方法，其特征在于，所述当接收到训练图像集时，对所述训练图像集进行图像预处理，生成对应的训练图像纹理特征的步骤，包括：
3.根据权利要求2所述的电缆主绝缘部分缺陷识别方法，其特征在于，所述预设图像处理策略包括第一图像处理策略和第二图像处理策略，所述基于预设图像处理策略对所述初步图像进行图像处理，生成对应的训练图像纹理特征的步骤，包括：
4.根据权利要求3所述的电缆主绝缘部分缺陷识别方法，其特征在于，所述采用所述第一图像处理策略对所述初步图像进行图像处理，生成对应的第一图像纹理特征的步骤，包括：
5.根据权利要求3所述的电缆主绝缘部分缺陷识别方法，其特征在于，所述采用所述第二图像处理策略对所述初步图像进行图像处理，生成对应的第二图像纹理特征的步骤，包括：
6.根据权利要求3所述的电缆主绝缘部分缺陷识别方法，其特征在于，所述采用所述训练图像纹理特征输入预设初始神经网络识别模型进行训练，生成目标神经网络识别模型的步骤，包括：p>
7.根据权利要求6所述的电缆主绝缘部分缺陷识别方法，其特征在于，还包括模型优化过程，所述模型优化过程具体包括：
8.根据权利要求7所述的电缆主绝缘部分缺陷识别方法，其特征在于，还包括：
9.一种电缆主绝缘部分缺陷识别系统，其特征在于，包括：
10.根据权利要求9所述的电缆主绝缘部分缺陷识别系统，其特征在于，所述图像预处理模块包括：
...【技术特征摘要】
1.一种电缆主绝缘部分缺陷识别方法，其特征在于，包括：
2.根据权利要求1所述的电缆主绝缘部分缺陷识别方法，其特征在于，所述当接收到训练图像集时，对所述训练图像集进行图像预处理，生成对应的训练图像纹理特征的步骤，包括：
3.根据权利要求2所述的电缆主绝缘部分缺陷识别方法，其特征在于，所述预设图像处理策略包括第一图像处理策略和第二图像处理策略，所述基于预设图像处理策略对所述初步图像进行图像处理，生成对应的训练图像纹理特征的步骤，包括：
4.根据权利要求3所述的电缆主绝缘部分缺陷识别方法，其特征在于，所述采用所述第一图像处理策略对所述初步图像进行图像处理，生成对应的第一图像纹理特征的步骤，包括：
5.根据权利要求3所述的电缆主绝缘部分...
【专利技术属性】
技术研发人员：于乔，熊伟，梁迪孚，周慧彬，谢东霖，邱宇霆，吴权伟，蔡丹旭，李简，陈岸，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。