CN114778574A - X射线数字成像检测识别在运高压电缆内部缺陷方法 - Google Patents
X射线数字成像检测识别在运高压电缆内部缺陷方法 Download PDFInfo
- Publication number
- CN114778574A CN114778574A CN202210314229.7A CN202210314229A CN114778574A CN 114778574 A CN114778574 A CN 114778574A CN 202210314229 A CN202210314229 A CN 202210314229A CN 114778574 A CN114778574 A CN 114778574A
- Authority
- CN
- China
- Prior art keywords
- cable
- ray
- detection
- defects
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003384 imaging method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 62
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 239000000463 material Substances 0.000 claims abstract description 21
- 230000000877 morphologic effect Effects 0.000 claims abstract description 9
- 230000002146 bilateral effect Effects 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 238000009413 insulation Methods 0.000 claims description 12
- 230000001788 irregular Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- 208000010392 Bone Fractures Diseases 0.000 claims description 3
- 206010017076 Fracture Diseases 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000004065 semiconductor Substances 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 2
- 235000014443 Pyrus communis Nutrition 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 8
- 229920003020 cross-linked polyethylene Polymers 0.000 description 8
- 239000004703 cross-linked polyethylene Substances 0.000 description 8
- 230000032683 aging Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000035882 stress Effects 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 238000009421 internal insulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 238000001328 terahertz time-domain spectroscopy Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种X射线数字成像检测识别在运高压电缆内部缺陷方法，包括以下步骤：(1)启动X射线检测系统，获取序列X射线检测电缆原始图像；(2)剔除不合适的图片；(3)利用灰度阶跃识别不同材料区域轮廓线，提取电缆不同区域图像；(4)对不同区域图像采用双边滤波优化算法进行去噪；(5)对于X射线检测图像去噪处理后序列图像多帧叠加，检测的灰度差异区域的图形形态特征；(6)根据故障、检测数据建立高压电缆缺陷数据库，依据建立高压电缆内部缺陷特征信息与提取区域图形形态特征对比进行判断。本发明采用多次曝光成像X射线序列检测，基于缺陷数据库识别缺陷特征识别电缆潜伏缺陷，提高了电缆潜伏缺陷检测与识别准确率。
Description
技术领域
本发明涉及X射线数字成像检测识别在运高压电缆内部缺陷方法，属于无损检测领域。
背景技术
高压电缆主绝缘缺陷导致电缆损伤停电故障每年都在发生，现有常规试验、带电检测手段检出率非常低，在高压电缆内部缺陷检测中X射线检测得到认可与应用，但是目前X射线工业检测成像自身灰度间隔窄、信噪比低、噪声干扰、高压电缆主绝缘密度低对射线的衰减弱，绝缘缺陷部位与背景的灰度差异小，缺陷边缘模糊，导致存在空间信息丢失、分辨率低；主绝缘内部缺陷特征与图像噪声特征具有相似点，并且缺陷图像与图像噪声混合在一起，常规X射线检测图像预处理图像噪声方法会去除弱化缺陷而被忽略；对于同轴分层材料密度各异电缆来说，内部缺陷孤立分散或仅小段连续的边缘轮廓提取过程复杂，提取的轮廓精度无法保证，造成X射线无损检测成像对于高压电缆早期微小缺陷存在难以辨识、局限于检测较明显的典型缺陷，针对电缆缺陷检测需要采用适合电缆缺陷专用X射线数字成像检测方式才能提高X射线无损检测与识别高压电缆内部缺陷能力。
公开号CN109632695A专利文献公开了一种交联聚乙烯电缆绝缘老化状态表征方法及装置，方法包括：获取未老化和已老化的交联聚乙烯电缆，对各个交联聚乙烯电缆进行太赫兹时域光谱测试，得到各个交联聚乙烯电缆的太赫兹时域谱；在各个太赫兹时域谱中获取各个交联聚乙烯电缆的信号参数，逐一对各组信号参数进行计算得到各个交联聚乙烯电缆的折射率；根据各个交联聚乙烯电缆的折射率与各个交联聚乙烯电缆的老化状态确定折射率与老化状态之间的关系。但是电缆的外护套采用铝合金，太赫兹无法穿透，给方法只能对于已经解剖的电缆在实验室对绝缘材料进行分析，其检测结果只能定性分析，不能定量，不适合现场带电检测在运电缆。
公开号CN111539954A专利文献公开了一种采用X射线数字影像特征识别电缆缓冲层缺陷的方法、系统及介质，方法包括输对电缆缓冲层缺陷处的白色粉末物质进行了理化分析的基础上，针对电缆缓冲层缺陷(白色粉末物质)的特殊性，采用X射线数字影像特征来进行特征识别，找出电缆缓冲层区域中灰度值和电缆缓冲层区域中其他位置的灰度值差异超过预设阈值的显著灰度差异点，将显著灰度差异点的形态特征与缺陷库中预设的形态特征图谱进行对比判断该显著灰度差异点是否为缺陷点，由于X射线数字成像系统的差异，选择的X射线能量不同，直接影响原始图像质量，原始图像像素低、特征不明显、灰度差异小的缺陷难识别，识别电缆故障效率低，该方法是设定在特定条件下检测分辨电缆缓冲层缺陷，其它缺陷并不适合。
公开号CN111795982A专利文献公开了一种基于X光成像技术的高压电缆接头内部缺陷检测方法，包括以下步骤：采用高压电缆接头内部结构三维maya模型，对X光原始图片进行预处理；采用高压电缆接头内部结构典型缺陷图谱模型，将内部典型缺陷特征信息提取出来；采用高压电缆接头内部故障智能检测专家系统，对X射线图片进行准确的识别和定位，对高压电缆接头的状态进行检测和诊断。该发明能够对电缆接头的缺陷进行检测，但X射线检测成像是二维图像，该发明忽略了三维与二维存在的差异，未考虑原始图像质量因素和电缆主绝缘密度较低，对射线的衰减弱，X射线检测图像的绝缘缺陷部位与背景的灰度差异小，缺陷边缘模糊特征不明显等特点，该发明图像预处理采用常规空域滤波法去噪，由于空域滤波法存在去噪图像模糊问题，导致X射线检测高压电缆接头内部缺陷，只能基于理想条件下或者已经损伤较严重电缆的缺陷进行检测，无法有效准确检测高压电缆接头内部尚未击穿小的缺陷。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供一种X射线数字成像检测识别在运高压电缆内部缺陷方法，采用多次曝光成像X射线序列检测，基于缺陷数据库识别缺陷特征识别电缆潜伏缺陷，提高了电缆潜伏缺陷检测与识别准确率。
技术方案：为解决上述技术问题，本发明的一种X射线数字成像检测识别在运高压电缆内部缺陷方法，包括以下步骤：
(1)根据历史故障、检测数据建立高压电缆缺陷数据库；
(2)启动X射线检测系统，依据DL/T 1785-2017电力设备X射线数字成像检测技术导则设定一组曝光的X射线管电压及管电流参数，调整X射线机的曝光强度，从高到低对其连续曝光成像，获取序列X射线检测电缆原始图像；
(3)设定相邻材料边缘灰度差值的阈值A，对序列X射线检测电缆原始图像进行筛选，相邻区域灰度差值低于设定阈值A，剔除该原始图像进行，序列原始图像的一帧图像；
(4)利用灰度阶跃识别不同材料区域轮廓线，对不同材料区域交界轮廓边缘锐化处理，获取被检测图像的电缆几何特征参数，将电缆的中心设定为原点，建立坐标系，将被检图像的几何特征参数代入，依据电缆结构对电缆内部不同区域划分进行定位，实现快速提取电缆不同区域图像，不同材料区域有针对性开展缺陷识别，提供基础信息；
(5)对不同区域图像采用双边滤波优化算法进行去噪，依据公式：
其中f(x)表示输入图像，g(x)表示输出图像，c(ξ,x)用来测量像素点间的距离，W0归一化系数；
(6)对于X射线检测图像去噪处理后序列图像多帧叠加，并且对同一材料区域进行灰度值对比，设定阈值B，灰度值与该区域整体灰度均值差的绝对值超过阈值点进行区域连接，完成提取、检测灰度差异区域的图形形态特征信息；
(7)根据故障、检测数据建立高压电缆缺陷数据库(该数据库是对故障、检测数据进行总结，对于故障、检测结果中每一个特征信息通过数据库进行关联，如对应每一个故障、检测结果包含的故障表现形式、检测发现问题、故障缺陷部位、缺陷基本特征，通过数据库进行关联)，依据建立高压电缆内部缺陷特征信息与提取区域图形形态特征(区域图形形态特征主要是指：各种形态的气孔、气泡、针孔，绝缘局部放电呈现树枝状不规则的黑线状影像，点或者片状，整个影像灰度比较一致的主绝缘含有夹杂物、夹渣，芯线驳接不良、内部绝缘畸变、缓冲层和外半导电层之间接触疏密程度、局部破损，反映检测区域内图像结构次边缘变形、疏松等)对比，相似度阈值设定为M，对于M及以上的识别确定缺陷，相似度在M以下的提出预警标识，辅助为人工判别提供支撑。
作为优选，所述步骤(7)中，高压电缆缺陷数据库中识别高压电缆内部缺陷特征识别规则，包括：呈现为孤立的或成群的圆形、椭圆形、梨形暗斑，轮廓光滑、图像鲜明，清晰尖点状或近于圆点状划分为气孔类缺陷；对于呈现不规则的黑线状图像划分为局部树枝放电类缺陷；对微弯、平滑的线状黑线划分为施工、质量缺陷；呈现点或片状整个区域灰度比较一致，其轮廓清晰，划分为异物缺陷；电缆为同轴多层对称结构，通过图像不同材料的密度检测几何尺寸，检测区域内图像具有整体相同的走向和灰度均匀，结构层次轮廓清晰，对于出现差异对划分为电缆损伤、拨接到位、应力锥与绝缘屏蔽层搭接充分、半导体(铜屏蔽)层断口处理不规则和尖刺缺陷；绝缘区域畸变、缓冲层和外半导电层之间已接触疏密程度对比判别存在差异划分为外力破坏缺陷。
有益效果：本发明的X射线数字成像检测与识别在运高压电缆内部缺陷方法，依据X射线检测高压电缆数字成像特点，采用多次曝光成像X射线序列检测，以电缆中心点为原点建立坐标系，根据电缆结构，对电缆不同区域进行定位，采用双边滤波去噪、序列图像多帧叠加提升成像质量，基于缺陷数据库识别缺陷特征识别电缆潜伏缺陷，提高电缆潜伏缺陷检测与识别准确率，为电缆安全运行水平提供保障。
附图说明
图1为本发明的X射线数字成像检测与识别在运高压电缆内部缺陷流程图；
图2为本发明实施例中原始的X射线数字图像；
图3为本发明实施例中空域滤波处理的X射线数字图像；
图4为本发明实施例中频域滤波处理的X射线数字图像；
图5为本发明实施例中空域、频域相结合双边滤波处理的X射线数字图像；
图6为本发明实施例中电缆应力锥序列X射线数字图像多帧叠加前后的对比效果图像。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示，本发明专利依据DL/T 1785-2017电力设备X射线数字成像检测技术导则推荐X射线成像检测透照参数从高到低对连续曝光成像，获取被测电缆X射线序列检测图像，通过对原始检测图像的筛选，提取被检测图像的电缆几何特征，利用电缆内部结构断层模型对电缆不同区域进行定位，基于空域滤波、频域滤波相结合同的双边滤波进行去噪方法，采用序列图像多帧叠加提升成像质量，利用灰度值比较检测人眼难以分辨的灰度差异，基于缺陷数据库的电缆内部缺陷特征与图像区域图形形态特征比对，检测识别电缆内部缺陷，实现计算机自动识别电缆缺陷。
一种X射线数字成像检测识别在运高压电缆内部缺陷方法，包括以下步骤：
①设定X射线检测时调整射线源曝光强度，依据DL/T 1785-2017电力设备X射线数字成像检测技术导则推荐X射线成像检测透照参数，调整X射线管电压从高到低连续曝光成像，获取序列X射线检测电缆的原始图像，如图2所示。
②设定X射线检测原始图像筛选规则，电缆为同轴不同材料分层设计，不同材料其密度不同，设定相邻材料灰度差值阈值，对于相邻两种不同材料区域灰度低于设定阈值，无法分辨、曝光不佳图像进行剔除。
③利用灰度阶跃识别不同材料区域轮廓线，对不同材料区域交界轮廓边缘锐化处理，获取被检测图像的电缆几何特征参数，将被检图像的几何特征参数代入电缆内部结构二维断面模型中，对电缆内部不同区域进行定位，提取电缆不同区域图像。
④电缆检测图像含有大量的噪声，噪声叠加在灰度图像上将影响计算机对灰度的识别能力，特别是对电缆绝缘材料低对比度区域的识别能力影响更大，缺陷识别首先要去噪、提高对比度图像处理，达到增强和凸显电缆内部微小缺陷目的，图像去噪分空域法和频域法两类，空域法是对图像的像素灰度值在空间域内直接进行运算处理，方法包括均值滤波、中值滤波、维纳滤波等；频域法是将图像变换到某种变换域内，对变换后的系数做相关处理，逆变换转换到空间域去噪，方法包括频率域低通滤波和基于小波变换去噪法等，在上述两类去噪处理方法都存在自身固有缺点，空域法存在整体图像灰阶变化比较缓慢图像模糊，边缘不明显；频域法存在对于处理区域不能分解细小边缘或纹理的信息，本发明采用空域滤波、频域滤波相结合去噪处理模式，即同时利用空域滤波、频域滤波进行图像处理，对中心像素点的灰度差值进行平均加权，加权的系数随着距离的增大同样减小，既高效的去除噪声，又完整的保留图像边缘及细节信息，具体算法是采用双边滤波优化算法对X射线电缆图像去噪处理进行，公式为：
其中f(x)表示点x的输入图像，g(x)表示输出图像，c(ξ,x)用来测量像素点间的距离，为中心点x同附近点ξ几何相近度，W0归一化系数，如图3-图5所示。
⑤对去噪处理后的序列图像多帧叠加，提升成像质量，如图6所示，对检测成像同一材料区域进行灰度值对比，设定阈值，灰度值与整体灰度均值差绝对值超过阈值离散点连接成灰度差异区域图，提取、检测具有灰度差异区域的图形形态特征。
⑥建立高压电缆缺陷数据库，根据高压电缆故障、检测数据提出识别高压电缆内部缺陷特征识别规则，包括：呈现为孤立的或成群的圆形、椭圆形、梨形暗斑，轮廓光滑、图像鲜明，清晰尖点状或近于圆点状划分为气孔类缺陷；对于呈现不规则的黑线状图像划分为局部树枝放电类缺陷；对微弯、平滑的线状黑线划分为施工、质量缺陷；呈现点或片状整个区域灰度比较一致，其轮廓清晰，划分为异物缺陷；电缆为同轴多层对称结构，通过图像不同材料的密度检测几何尺寸，检测区域内图像具有整体相同的走向和灰度均匀，结构层次轮廓清晰，对于出现差异对划分为电缆损伤、拨接到位、应力锥与绝缘屏蔽层搭接充分、半导体(铜屏蔽)层断口处理不规则和尖刺缺陷；绝缘区域畸变、缓冲层和外半导电层之间已接触疏密程度对比判别存在差异划分为外力破坏缺陷；
利用高压电缆缺陷库缺陷特征信息与提取区域特征进行比较，相似度设定阈值，在阈值及以上确定缺陷检测结果，相似度在阈值以下的提出预警标识，辅助提供人工判别。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种X射线数字成像检测识别在运高压电缆内部缺陷方法，其特征在于，包括以下步骤：
(1)根据历史故障、检测数据建立高压电缆缺陷数据库；
(2)启动X射线检测系统，依据DL/T1785-2017电力设备X射线数字成像检测技术导则设定一组曝光的X射线管电压及管电流参数，调整X射线机的曝光强度，从高到低对其连续曝光成像，获取序列X射线检测电缆原始图像；
(3)设定相邻材料边缘灰度差值的阈值A，获取序列X射线检测电缆原始图像进行筛选，相邻区域灰度差值低于设定阈值A的原始图像进行剔除；
(4)利用灰度阶跃识别不同材料区域轮廓线，对不同材料区域交界轮廓边缘锐化处理，获取被检测图像的电缆几何特征参数，将电缆的中心设定为原点，建立坐标系，将被检图像的几何特征参数代入，依据电缆结构对电缆内部不同区域划分进行定位；
(5)对不同区域图像采用双边滤波优化算法进行去噪，依据公式为：
其中f(x)表示输入图像，g(x)表示输出图像，c(ξ,x)为两个像素点间距离，W0归一化系数；
(6)对于X射线检测图像去噪处理后序列图像多帧叠加，并且对同一材料区域进行灰度值对比，设定阈值B，灰度值与该区域整体灰度均值差的绝对值超过阈值B点进行区域连接，完成提取、检测灰度差异区域的图形形态特征信息；
(7)依据高压电缆内部缺陷特征信息与提取区域图形形态特征对比，相似度阈值设定为M，对于M及以上的识别确定缺陷，相似度在M以下的提出预警标识，辅助为人工判别提供支撑。
2.根据权利要求1所述的X射线数字成像检测识别在运高压电缆内部缺陷方法，其特征在于：所述步骤(7)中，高压电缆缺陷数据库中识别高压电缆内部缺陷特征识别规则，包括：呈现为孤立的或成群的圆形、椭圆形、梨形暗斑，轮廓光滑、图像鲜明，清晰尖点状或近于圆点状划分为气孔类缺陷；对于呈现不规则的黑线状图像划分为局部树枝放电类缺陷；对微弯、平滑的线状黑线划分为施工、质量缺陷；呈现点或片状整个区域灰度比较一致，其轮廓清晰，划分为异物缺陷；电缆为同轴多层对称结构，通过图像不同材料的密度检测几何尺寸，检测区域内图像具有整体相同的走向和灰度均匀，结构层次轮廓清晰，对于出现差异对划分为电缆损伤、拨接到位、应力锥与绝缘屏蔽层搭接充分、半导体层断口处理不规则和尖刺缺陷；绝缘区域畸变、缓冲层和外半导电层之间已接触疏密程度对比判别存在差异划分为外力破坏缺陷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210314229.7A CN114778574B (zh) | 2022-03-28 | 2022-03-28 | X射线数字成像检测识别在运高压电缆内部缺陷方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210314229.7A CN114778574B (zh) | 2022-03-28 | 2022-03-28 | X射线数字成像检测识别在运高压电缆内部缺陷方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114778574A true CN114778574A (zh) | 2022-07-22 |
| CN114778574B CN114778574B (zh) | 2024-06-04 |
Family
ID=82424566
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210314229.7A Active CN114778574B (zh) | 2022-03-28 | 2022-03-28 | X射线数字成像检测识别在运高压电缆内部缺陷方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114778574B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115294123A (zh) * | 2022-10-08 | 2022-11-04 | 淄博永丰环保科技有限公司 | 一种基于图像视觉的瓦楞纸板质量检测方法 |
| CN115731482A (zh) * | 2022-12-27 | 2023-03-03 | 江阴市浩盛电器线缆制造有限公司 | 违规电缆敷设场景鉴别系统及方法 |
| CN115841493A (zh) * | 2023-02-27 | 2023-03-24 | 曲阜市虹飞电缆有限公司 | 一种基于图像处理的电缆检测方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006030008A (ja) * | 2004-07-16 | 2006-02-02 | Furukawa Electric Co Ltd:The | 電力ケーブルおよび接続部の欠陥検出方法 |
| KR20090116127A (ko) * | 2008-05-06 | 2009-11-11 | 라드텍주식회사 | 디지털 방사선 촬영을 이용한 용접부 결함 검출 방법 |
| CN105427316A (zh) * | 2015-11-25 | 2016-03-23 | 国网吉林省电力有限公司电力科学研究院 | 一种输电线路可见光图像中绝缘子单盘面提取方法 |
| CN105890553A (zh) * | 2016-04-08 | 2016-08-24 | 中国科学院等离子体物理研究所 | 一种使用x射线在线测量超导电缆扭转率的无损检测方法 |
| CN107941828A (zh) * | 2018-01-03 | 2018-04-20 | 国网安徽省电力有限公司电力科学研究院 | 一种基于x射线实时成像技术的电力电缆及接头无损检测系统及方法 |
| US20190170659A1 (en) * | 2016-08-18 | 2019-06-06 | Fujifilm Corporation | Defect inspection device, defect inspection method, and program |
| CN111539954A (zh) * | 2020-05-25 | 2020-08-14 | 国网湖南省电力有限公司 | 采用x射线数字影像特征识别电缆缓冲层缺陷的方法、系统及介质 |
| CN111596179A (zh) * | 2020-05-25 | 2020-08-28 | 国网湖南省电力有限公司 | 基于数字成像技术的电缆缓冲层缺陷带电检测方法、系统、介质及设备 |
| CN113592826A (zh) * | 2021-08-02 | 2021-11-02 | 佛山名奥弹簧开发有限公司 | 一种线材表面缺陷的识别方法及系统 |
| KR20220005275A (ko) * | 2020-07-06 | 2022-01-13 | 한국생산기술연구원 | 듀얼 딥러닝을 이용한 제품의 내부 결함 검사 시스템 및 방법 |
-
2022
- 2022-03-28 CN CN202210314229.7A patent/CN114778574B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006030008A (ja) * | 2004-07-16 | 2006-02-02 | Furukawa Electric Co Ltd:The | 電力ケーブルおよび接続部の欠陥検出方法 |
| KR20090116127A (ko) * | 2008-05-06 | 2009-11-11 | 라드텍주식회사 | 디지털 방사선 촬영을 이용한 용접부 결함 검출 방법 |
| CN105427316A (zh) * | 2015-11-25 | 2016-03-23 | 国网吉林省电力有限公司电力科学研究院 | 一种输电线路可见光图像中绝缘子单盘面提取方法 |
| CN105890553A (zh) * | 2016-04-08 | 2016-08-24 | 中国科学院等离子体物理研究所 | 一种使用x射线在线测量超导电缆扭转率的无损检测方法 |
| US20190170659A1 (en) * | 2016-08-18 | 2019-06-06 | Fujifilm Corporation | Defect inspection device, defect inspection method, and program |
| CN107941828A (zh) * | 2018-01-03 | 2018-04-20 | 国网安徽省电力有限公司电力科学研究院 | 一种基于x射线实时成像技术的电力电缆及接头无损检测系统及方法 |
| CN111539954A (zh) * | 2020-05-25 | 2020-08-14 | 国网湖南省电力有限公司 | 采用x射线数字影像特征识别电缆缓冲层缺陷的方法、系统及介质 |
| CN111596179A (zh) * | 2020-05-25 | 2020-08-28 | 国网湖南省电力有限公司 | 基于数字成像技术的电缆缓冲层缺陷带电检测方法、系统、介质及设备 |
| KR20220005275A (ko) * | 2020-07-06 | 2022-01-13 | 한국생산기술연구원 | 듀얼 딥러닝을 이용한 제품의 내부 결함 검사 시스템 및 방법 |
| CN113592826A (zh) * | 2021-08-02 | 2021-11-02 | 佛山名奥弹簧开发有限公司 | 一种线材表面缺陷的识别方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 付贵;周维超;李治;: "高压电缆接头X射线数字化检测技术", 农村电气化, no. 08, 7 August 2018 (2018-08-07), pages 23 - 26 * |
| 刘荣海;马朋飞;史腾飞;杨迎春;郑欣;: "电缆X射线检测设备小型化研究", 河北工业科技, no. 05, pages 25 - 30 * |
| 黄谊;程耀瑜;任毅;: "基于X射线焊缝图像缺陷特征提取的研究", 电子测试, no. 07, 5 July 2012 (2012-07-05), pages 34 - 37 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115294123A (zh) * | 2022-10-08 | 2022-11-04 | 淄博永丰环保科技有限公司 | 一种基于图像视觉的瓦楞纸板质量检测方法 |
| CN115731482A (zh) * | 2022-12-27 | 2023-03-03 | 江阴市浩盛电器线缆制造有限公司 | 违规电缆敷设场景鉴别系统及方法 |
| CN115731482B (zh) * | 2022-12-27 | 2024-01-16 | 江阴市浩盛电器线缆制造有限公司 | 违规电缆敷设场景鉴别系统及方法 |
| CN115841493A (zh) * | 2023-02-27 | 2023-03-24 | 曲阜市虹飞电缆有限公司 | 一种基于图像处理的电缆检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114778574B (zh) | 2024-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114778574B (zh) | X射线数字成像检测识别在运高压电缆内部缺陷方法 | |
| CN113362326B (zh) | 一种电池焊点缺陷的检测方法及装置 | |
| CN109507192B (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
| CN113592861B (zh) | 一种基于动态阈值的桥梁裂缝检测方法 | |
| CN106683075B (zh) | 一种输电线杆塔横担处螺栓缺陷检测方法 | |
| CN107505546A (zh) | 一种利用紫外成像仪监测电晕放电的方法 | |
| CN106780486B (zh) | 一种钢板表面缺陷图像提取方法 | |
| CN114170208A (zh) | 一种基于人工智能的纸制品缺陷检测方法 | |
| CN104483326A (zh) | 基于深度信念网络的高压线绝缘子缺陷检测方法及系统 | |
| CN113313677B (zh) | 一种卷绕锂电池x光图像的质量检测方法 | |
| CN115619793B (zh) | 基于计算机视觉的电源适配器外观质量检测方法 | |
| WO2021109011A1 (zh) | 一种基于超声图像的电容内部缺陷智能检测方法 | |
| CN111724375B (zh) | 一种屏幕检测方法及系统 | |
| CN114782329A (zh) | 一种基于图像处理的轴承缺陷损伤程度评估方法及系统 | |
| CN114792316A (zh) | 一种盘刹车轴底板点焊缺陷检测方法 | |
| CN116309416A (zh) | 一种零件表面视觉检测方法 | |
| CN116660286A (zh) | 基于图像分割的线束剥头测量与缺陷检测方法及系统 | |
| CN117974641B (zh) | 基于x光探伤的缓速器转子隐裂识别方法 | |
| CN112116583A (zh) | 一种基于sem图像处理的绝缘纸板老化判别检验方法 | |
| CN112330633B (zh) | 基于自适应带通滤波的跨接线胶带破损故障图像分割方法 | |
| CN113506290A (zh) | 一种线路绝缘子缺陷检测方法及装置 | |
| CN117036259A (zh) | 一种基于深度学习的金属板材表面缺陷检测方法 | |
| Tian et al. | Automatic defect detection in X-ray images using image data fusion | |
| Palakal et al. | Intelligent computational methods for corrosion damage assessment | |
| CN113940702B (zh) | 一种甲状腺结节回声分析装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |