CN115144704B - 电缆生产的故障检测方法、装置、设备及存储介质 - Google Patents

电缆生产的故障检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115144704B
CN115144704B CN202211068784.2A CN202211068784A CN115144704B CN 115144704 B CN115144704 B CN 115144704B CN 202211068784 A CN202211068784 A CN 202211068784A CN 115144704 B CN115144704 B CN 115144704B
Authority
CN
China
Prior art keywords
cable
fault
charging pile
charging
detection
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.)
Active
Application number
CN202211068784.2A
Other languages
English (en)
Other versions
CN115144704A (zh
Inventor
曾宪景
杨尚芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yonggui Technology Co ltd
Original Assignee
Shenzhen Yonggui Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Yonggui Technology Co ltd filed Critical Shenzhen Yonggui Technology Co ltd
Priority to CN202211068784.2A priority Critical patent/CN115144704B/zh
Publication of CN115144704A publication Critical patent/CN115144704A/zh
Application granted granted Critical
Publication of CN115144704B publication Critical patent/CN115144704B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/02—Measuring direction or magnitude of magnetic fields or magnetic flux
    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Quality & Reliability (AREA)
  • Locating Faults (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)

Abstract

本发明涉及人工智能领域，公开了一种电缆生产的故障检测方法、装置、设备及存储介质，用于提高电缆生产的故障检测的准确率和电缆的安全性。所述方法包括：若根因分析结果为充电桩电缆异常，则对充电桩电缆进行磁通量检测，得到磁通量检测结果；若充电桩电缆存在缺陷，则采集充电桩电缆对应的多个电缆表面图像，并根据多个电缆表面图像对充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；根据表面缺陷检测结果对充电桩电缆进行故障定位，得到故障定位结果，并根据故障定位结果截取充电桩电缆对应的故障电缆，并采集故障电缆的横截面图像；将横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果。

Description

电缆生产的故障检测方法、装置、设备及存储介质
技术领域
本发明涉及人工智能领域，尤其涉及一种电缆生产的故障检测方法、装置、设备及存储介质。
背景技术
新能源电动汽车因具有无废气排放、低能耗、低噪声、安全等优点，而在能源愈加紧缺的今天具有广阔的市场前景。电动汽车动力系统主要由蓄电池和电机两部分组成，因此，电动汽车必须具备安全性和稳定性极高的电源传输线。由于新能源电动汽车到加电基站充电时用的充电桩电缆在使用过程中频繁拖拽，故对其耐磨、耐压，耐切割、耐老化、耐矿物油、防水等使用要求较高。
因此在电缆生产完成之后需要分别对每个待出厂的电缆进行故障检测，但是现有的故障检测还依赖于人工进行手动检查，人工检测的准确率较低，大大降低了电缆的使用寿命，并存在安全隐患。
发明内容
本发明提供了一种电缆生产的故障检测方法、装置、设备及存储介质，用于提高电缆生产的故障检测的准确率和电缆的安全性。
本发明第一方面提供了一种电缆生产的故障检测方法，所述电缆生产的故障检测方法包括：查询多个待测试智能充电桩的充电测试数据，并根据所述充电测试数据确定待检测的目标智能充电桩以及所述目标智能充电桩对应的充电桩电缆；对所述目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对所述充电状态检测结果进行根因分析，得到根因分析结果；若所述根因分析结果为充电桩电缆异常，则对所述充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷；若所述充电桩电缆存在缺陷，则采集所述充电桩电缆对应的多个电缆表面图像，并根据所述多个电缆表面图像对所述充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；根据所述表面缺陷检测结果对所述充电桩电缆进行故障定位，得到故障定位结果，并根据所述故障定位结果截取所述充电桩电缆对应的故障电缆，并采集所述故障电缆的横截面图像；将所述横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类。
可选的，在本发明第一方面的第一种实现方式中，所述对所述目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对所述充电状态检测结果进行根因分析，得到根因分析结果，包括：获取所述目标智能充电桩在预设测试时间段内的测试参数数据，其中，所述测试参数数据包括：输入功率、输出功率、实际电流、实际电压和表面温度；对所述测试参数数据进行充电状态分析，得到充电状态检测结果，其中，所述充电状态检测结果包括：充电正常和充电异常；若充电异常，则对所述充电状态检测结果进行根因分析，得到异常指标数据；根据所述异常指标数据查询所述目标智能充电桩的异常构件，并将所述异常构件作为所述根因分析结果。
可选的，在本发明第一方面的第二种实现方式中，所述若所述根因分析结果为充电桩电缆异常，则对所述充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷，包括：若所述根因分析结果为充电桩电缆异常，则检测所述充电桩电缆的磁通量；对所述磁通量进行变化曲线拟合，得到磁通量曲线；根据所述磁通量曲线生成磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷。
可选的，在本发明第一方面的第三种实现方式中，所述若所述充电桩电缆存在缺陷，则采集所述充电桩电缆对应的多个电缆表面图像，并根据所述多个电缆表面图像对所述充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果，包括：若所述充电桩电缆存在缺陷，则按照预置的区域分割策略将所述充电桩电缆分割为多个检测区域；分别采集每个检测区域的表面图像，得到所述充电桩电缆对应的多个电缆表面图像；分别将所述多个电缆表面图像输入预置的电缆表面检测模型进行电缆表面缺陷检测，得到所述充电桩电缆的表面缺陷检测结果，其中，所述电缆表面检测模型包括：五层卷积层、三层全连接层和输出层。
可选的，在本发明第一方面的第四种实现方式中，所述根据所述表面缺陷检测结果对所述充电桩电缆进行故障定位，得到故障定位结果，并根据所述故障定位结果截取所述充电桩电缆对应的故障电缆，并采集所述故障电缆的横截面图像，包括：对所述表面缺陷检测结果进行解析，得到标注图像，其中，所述标注图像携带有缺陷位置信息；根据所述缺陷位置信息对所述充电桩电缆进行故障定位，得到故障定位结果，其中，所述故障定位结果用于指示所述充电桩电缆的故障点；根据所述故障定位结果并按照预置的截取范围截取所述充电桩电缆对应的故障电缆，其中，所述故障电缆为预设长度的发生故障的充电桩电缆；基于预设的图像采集终端采集所述故障电缆的横截面图像。
可选的，在本发明第一方面的第五种实现方式中，所述将所述横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类，包括：将所述横截面图像输入预置的电缆故障检测模型，其中，所述电缆故障检测模型包括：区域分割网络、特征检测网络和特征生成网络；通过所述区域分割网络对所述横截面图像进行区域分割，得到多个目标区域，其中，所述多个目标区域包括：导电芯体区域、隔离物区域和绝缘区域；将所述导电芯体区域输入所述特征检测网络进行特征提取，得到芯体区域特征；将所述芯体区域特征输入所述特征生成网络进行特征归一化操作，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类。
可选的，在本发明第一方面的第六种实现方式中，所述电缆生产的故障检测方法还包括：根据所述芯体故障等级选取与所述芯体故障等级对应的修补策略；基于所述修补策略对所述故障电缆进行修复处理，得到修复后的电缆；对所述修复后的电缆进行充电测试，并检测所述修复后的电缆的充电状态。
本发明第二方面提供了一种电缆生产的故障检测装置，所述电缆生产的故障检测装置包括：查询模块，用于查询多个待测试智能充电桩的充电测试数据，并根据所述充电测试数据确定待检测的目标智能充电桩以及所述目标智能充电桩对应的充电桩电缆；分析模块，用于对所述目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对所述充电状态检测结果进行根因分析，得到根因分析结果；检测模块，用于若所述根因分析结果为充电桩电缆异常，则对所述充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷；采集模块，用于若所述充电桩电缆存在缺陷，则采集所述充电桩电缆对应的多个电缆表面图像，并根据所述多个电缆表面图像对所述充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；定位模块，用于根据所述表面缺陷检测结果对所述充电桩电缆进行故障定位，得到故障定位结果，并根据所述故障定位结果截取所述充电桩电缆对应的故障电缆，并采集所述故障电缆的横截面图像；输出模块，用于将所述横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类。
可选的，在本发明第二方面的第一种实现方式中，所述分析模块具体用于：获取所述目标智能充电桩在预设测试时间段内的测试参数数据，其中，所述测试参数数据包括：输入功率、输出功率、实际电流、实际电压和表面温度；对所述测试参数数据进行充电状态分析，得到充电状态检测结果，其中，所述充电状态检测结果包括：充电正常和充电异常；若充电异常，则对所述充电状态检测结果进行根因分析，得到异常指标数据；根据所述异常指标数据查询所述目标智能充电桩的异常构件，并将所述异常构件作为所述根因分析结果。
可选的，在本发明第二方面的第二种实现方式中，所述检测模块具体用于：若所述根因分析结果为充电桩电缆异常，则检测所述充电桩电缆的磁通量；对所述磁通量进行变化曲线拟合，得到磁通量曲线；根据所述磁通量曲线生成磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷。
可选的，在本发明第二方面的第三种实现方式中，所述采集模块具体用于：若所述充电桩电缆存在缺陷，则按照预置的区域分割策略将所述充电桩电缆分割为多个检测区域；分别采集每个检测区域的表面图像，得到所述充电桩电缆对应的多个电缆表面图像；分别将所述多个电缆表面图像输入预置的电缆表面检测模型进行电缆表面缺陷检测，得到所述充电桩电缆的表面缺陷检测结果，其中，所述电缆表面检测模型包括：五层卷积层、三层全连接层和输出层。
可选的，在本发明第二方面的第四种实现方式中，所述定位模块具体用于：对所述表面缺陷检测结果进行解析，得到标注图像，其中，所述标注图像携带有缺陷位置信息；根据所述缺陷位置信息对所述充电桩电缆进行故障定位，得到故障定位结果，其中，所述故障定位结果用于指示所述充电桩电缆的故障点；根据所述故障定位结果并按照预置的截取范围截取所述充电桩电缆对应的故障电缆，其中，所述故障电缆为预设长度的发生故障的充电桩电缆；基于预设的图像采集终端采集所述故障电缆的横截面图像。
可选的，在本发明第二方面的第五种实现方式中，所述输出模块具体用于：将所述横截面图像输入预置的电缆故障检测模型，其中，所述电缆故障检测模型包括：区域分割网络、特征检测网络和特征生成网络；通过所述区域分割网络对所述横截面图像进行区域分割，得到多个目标区域，其中，所述多个目标区域包括：导电芯体区域、隔离物区域和绝缘区域；将所述导电芯体区域输入所述特征检测网络进行特征提取，得到芯体区域特征；将所述芯体区域特征输入所述特征生成网络进行特征归一化操作，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类。
可选的，在本发明第二方面的第六种实现方式中，所述电缆生产的故障检测装置还包括：修复模块，用于根据所述芯体故障等级选取与所述芯体故障等级对应的修补策略；基于所述修补策略对所述故障电缆进行修复处理，得到修复后的电缆；对所述修复后的电缆进行充电测试，并检测所述修复后的电缆的充电状态。
本发明第三方面提供了一种电缆生产的故障检测设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述电缆生产的故障检测设备执行上述的电缆生产的故障检测方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的电缆生产的故障检测方法。
本发明提供的技术方案中，查询多个待测试智能充电桩的充电测试数据，并根据所述充电测试数据确定待检测的目标智能充电桩以及所述目标智能充电桩对应的充电桩电缆；对所述目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对所述充电状态检测结果进行根因分析，得到根因分析结果；若所述根因分析结果为充电桩电缆异常，则对所述充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷；若所述充电桩电缆存在缺陷，则采集所述充电桩电缆对应的多个电缆表面图像，并根据所述多个电缆表面图像对所述充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；根据所述表面缺陷检测结果对所述充电桩电缆进行故障定位，得到故障定位结果，并根据所述故障定位结果截取所述充电桩电缆对应的故障电缆，并采集所述故障电缆的横截面图像；将所述横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类。本发明采用大数据监控的方式首先筛选出充电测试数据小于预设目标值的充电桩，相较于人工定期检测可以提高检测效率，然后再对这种充电桩进行缺陷检测分析，当确定电缆有故障时则分析其故障电缆的横截面以确定芯体故障等级和芯体故障种类，提高了电缆生产的故障检测的准确率和电缆的安全性。
附图说明
图1为本发明实施例中电缆生产的故障检测方法的一个实施例示意图；
图2为本发明实施例中电缆生产的故障检测方法的另一个实施例示意图；
图3为本发明实施例中电缆生产的故障检测装置的一个实施例示意图；
图4为本发明实施例中电缆生产的故障检测装置的另一个实施例示意图；
图5为本发明实施例中电缆生产的故障检测设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种电缆生产的故障检测方法、装置、设备及存储介质，用于提高电缆生产的故障检测的准确率和电缆的安全性。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中电缆生产的故障检测方法的一个实施例包括：
101、查询多个待测试智能充电桩的充电测试数据，并根据充电测试数据确定待检测的目标智能充电桩以及目标智能充电桩对应的充电桩电缆；
可以理解的是，本发明的执行主体可以为电缆生产的故障检测装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
需要说明的是，预置的云监控数据库会实时记录多个待测试智能充电桩的多个参数数据，参数数据包括：充电测试数据、充电时长和充电时刻等，本实施例采用充电测试数据对多个智能充电桩进行故障分析，云监控数据库对每个智能充电桩的参数数据进行一一对应存储，因此，当接收到维护终端发送的故障维护请求时，根据故障维护请求从预置的云监控数据库中查询多个智能充电桩的充电频率，该充电测试数据为预设时间段内的充电使用次数，将该充电测试数据和预设目标值进行比较，如果该充电测试数据小于预设目标值，则判断智能充电桩需要进行检测维护，将充电测试数据小于预设目标值的智能充电桩作为待检测的目标智能充电桩。
102、对目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对充电状态检测结果进行根因分析，得到根因分析结果；
具体的，对目标智能充电桩进行充电状态检测，检测该目标智能充电桩的输入功率、输出功率、实际电流、实际电压和表面温度等测试参数数据，将这些测试参数数据输入预先训练好的参数分析模型进行充电桩充电状态检测，得到充电状态检测结果，其中，该参数分析模型包括输入层、双向长短时记忆网络和激活层，该充电状态检测结果包括：充电正常和充电异常；若充电异常则继续对该目标智能充电桩进行根因分析，根因分析结果用于指示该目标智能充电桩发生故障的具体参数和构件。
103、若根因分析结果为充电桩电缆异常，则对充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，磁通量检测结果包括：充电桩电缆存在缺陷和充电桩电缆不存在缺陷；
具体的，若根因分析结果为充电桩电缆异常，则首先对充电桩电缆进行磁通量检测，得到磁通量检测结果，磁通量检测的目的是在不破坏充电桩电缆的整体性的情况下可以实现故障排查的一种方式，在检测的过程中，在强磁的作用下充电桩电缆就会被磁化，而如果充电桩电缆的内部是完整的则充电桩电缆中的磁力线将被束缚在充电桩电缆中，所呈现的是一种均与分布的状态，并且与充电桩电缆表面呈现平行，几乎没有磁感应先从表面溢出：如果在充电桩电缆的内部存在一个缺陷，这就会导致磁导率改变，因为缺陷的磁导率变低，磁阳增加，使得磁路中呈现的磁通发生政变，出现的磁力线就会被检测到。其中一部分磁通直接穿过缺陷，而另一部分则在充电桩电缆内部绕过缺陷位置，还有一部分磁通会泄露到充电桩电缆的表面，通过空气绕过缺陷在，此进入到充电桩电缆中，泄露的磁通量在材料的表面就会形成一个漏磁场而显示出缺陷的位置。通过传感器就可检测到缺陷位置的漏磁量，通过转化信号就可完成对缆索的无损检测。这些信号输人到计算机就可利用软件处理确定缺陷的位置与大小，其中，磁通量检测结果包括：充电桩电缆存在缺陷和充电桩电缆不存在缺陷。
104、若充电桩电缆存在缺陷，则采集充电桩电缆对应的多个电缆表面图像，并根据多个电缆表面图像对充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；
具体的，当磁通量检测结果为充电桩电缆存在缺陷时，采集充电桩电缆对应的多个电缆表面图像，充电桩电缆的内部如果存在缺陷具有较大的可能性是由于外部的绝缘层和保护层发生了破损，进而导致了内部导电芯体部分出现异常，因此，通过采集充电桩电缆对应的多个电缆表面图像，并根据多个电缆表面图像对充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果，其中，电缆表面检测模型包括：五层卷积层、三层全连接层和输出层，层与层之间使用max-pooling分开，所有隐层的激活单元都采用ReLU函数；小卷积核和多卷积子层；电缆表面检测模型使用多个较小卷积核（3x3）的卷积层代替一个卷积核较大的卷积层，一方面可以减少参数，另一方面相当于进行了更多的非线性映射，可以增加网络的拟合/表达能力；电缆表面检测模型通过降低卷积核的大小（3x3），增加卷积子层数来达到同样的性能；小池化核；相比AlexNet的3x3的池化核，电缆表面检测模型全部采用2x2的池化核；通道数多，电缆表面检测模型网络第一层的通道数为64，后面每层都进行了翻倍，最多到512个通道，通道数的增加，使得更多的信息可以被提取出来。层数更深、特征图更宽。使用连续的小卷积核代替大的卷积核，网络的深度更深，并且对边缘进行填充，卷积的过程并不会降低图像尺寸。全连接转卷积，在网络测试阶段将训练阶段的三个全连接替换为三个卷积，使得测试得到的全卷积网络因为没有全连接的限制，因而可以接收任意宽或高为的输入。
105、根据表面缺陷检测结果对充电桩电缆进行故障定位，得到故障定位结果，并根据故障定位结果截取充电桩电缆对应的故障电缆，并采集故障电缆的横截面图像；
具体的，根据表面缺陷检测结果中存在表面缺陷的部位对应的表面图像，根据目标表面图像对故障定位，得到故障定位结果，根据故障定位结果按照预设的截取范围截取充电桩电缆对应的故障电缆，其中，该截取范围设置为5cm-10cm，当故障电缆截取完成时采集截取后的故障电缆对应的横截面图像，该横截面图像包括故障电缆的两个横截面。
106、将横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，电缆故障检测结果用于指示充电桩电缆的芯体故障等级和芯体故障种类。
具体的，将所述横截面图像输入预置的电缆故障检测模型，其中，所述电缆故障检测模型包括：区域分割网络、特征检测网络和特征生成网络，因为故障电缆中包括导电芯体、隔离物和绝缘层，因此需要对导电芯体的芯线断线或者多相断线程度进行检测，需要对横截面图像进行区域分割，得到导电芯体区域，特征检测网络为残差网络，通过残差网络对导电芯体的芯线断线或者多相断线损耗程度进行特征提取，并通过特征生成网络输出电缆故障检测结果，电缆故障检测结果用于指示充电桩电缆的芯体故障等级和芯体故障种类。
本发明实施例中，查询多个待测试智能充电桩的充电测试数据，并根据充电测试数据确定待检测的目标智能充电桩以及目标智能充电桩对应的充电桩电缆；对目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对充电状态检测结果进行根因分析，得到根因分析结果；若根因分析结果为充电桩电缆异常，则对充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，磁通量检测结果包括：充电桩电缆存在缺陷和充电桩电缆不存在缺陷；若充电桩电缆存在缺陷，则采集充电桩电缆对应的多个电缆表面图像，并根据多个电缆表面图像对充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；根据表面缺陷检测结果对充电桩电缆进行故障定位，得到故障定位结果，并根据故障定位结果截取充电桩电缆对应的故障电缆，并采集故障电缆的横截面图像；将横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，电缆故障检测结果用于指示充电桩电缆的芯体故障等级和芯体故障种类。本发明采用大数据监控的方式首先筛选出充电测试数据小于预设目标值的充电桩，相较于人工定期检测可以提高检测效率，然后再对这种充电桩进行缺陷检测分析，当确定电缆有故障时则分析其故障电缆的横截面以确定芯体故障等级和芯体故障种类，提高了电缆生产的故障检测的准确率和电缆的安全性。
请参阅图2，本发明实施例中电缆生产的故障检测方法的另一个实施例包括：
201、查询多个待测试智能充电桩的充电测试数据，并根据充电测试数据确定待检测的目标智能充电桩以及目标智能充电桩对应的充电桩电缆；
需要说明的是，预置的云监控数据库会实时记录多个智能充电桩的多个参数数据，参数数据包括：充电测试数据、充电时长和充电时刻等，本实施例采用充电测试数据对多个智能充电桩进行故障分析，云监控数据库对每个智能充电桩的参数数据进行一一对应存储，因此，当接收到维护终端发送的故障维护请求时，根据故障维护请求查询多个待测试智能充电桩的充电测试数据，该充电测试数据为预设时间段内的充电使用次数，将该充电测试数据和预设目标值进行比较，如果该充电测试数据小于预设目标值，则判断智能充电桩需要进行检测维护，将充电测试数据小于预设目标值的智能充电桩作为待检测的目标智能充电桩。
202、对目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对充电状态检测结果进行根因分析，得到根因分析结果；
具体的，对目标智能充电桩进行充电状态检测并获取目标智能充电桩在预设测试时间段内的测试参数数据，其中，测试参数数据包括：输入功率、输出功率、实际电流、实际电压和表面温度；对测试参数数据进行充电状态分析，得到充电状态检测结果，其中，充电状态检测结果包括：充电正常和充电异常，将这些测试参数数据输入预先训练好的参数分析模型进行充电桩充电状态检测，得到充电状态检测结果，其中，该参数分析模型包括输入层、双向长短时记忆网络和激活层，每一个输入测试参数数据正向和反向都经过一次循环神经网络，这样的双向结构提供给输出层输入序列中每个结点完整的过去和未来的上下文信息；若充电异常，则对充电状态检测结果进行根因分析，得到异常指标数据，该异常指标数据用于指示发生异常的指标，例如：当检测出表面温度存在异常时，则异常的指标为充电桩电缆的表面温度；根据异常指标数据查询目标智能充电桩的异常构件，其中，异常构件可以为充电桩电缆异常、充电桩本身异常以及输电异常等，将异常构件作为根因分析结果。
203、若根因分析结果为充电桩电缆异常，则对充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，磁通量检测结果包括：充电桩电缆存在缺陷和充电桩电缆不存在缺陷；
具体的，若根因分析结果为充电桩电缆异常，则检测充电桩电缆的磁通量；对磁通量进行变化曲线拟合，得到磁通量曲线；根据磁通量曲线生成磁通量检测结果，其中，磁通量检测结果包括：充电桩电缆存在缺陷和充电桩电缆不存在缺陷。进一步地，若根因分析结果为充电桩电缆异常，则首先对充电桩电缆进行磁通量检测，得到磁通量检测结果，磁通量检测的目的是在不破坏充电桩电缆的整体性的情况下可以实现故障排查的一种方式，在检测的过程中，在强磁的作用下充电桩电缆就会被磁化，而如果充电桩电缆的内部是完整的则充电桩电缆中的磁力线将被束缚在充电桩电缆中，所呈现的是一种均与分布的状态，并且与充电桩电缆表面呈现平行，几乎没有磁感应先从表面溢出：如果在充电桩电缆的内部存在一个缺陷，这就会导致磁导率改变，因为缺陷的磁导率变低，磁阳增加，使得磁路中呈现的磁通发生政变，出现的磁力线就会被检测到。其中一部分磁通直接穿过缺陷，而另一部分则在充电桩电缆内部绕过缺陷位置，还有一部分磁通会泄露到充电桩电缆的表面，通过空气绕过缺陷在，此进入到充电桩电缆中，泄露的磁通量在材料的表面就会形成一个漏磁场而显示出缺陷的位置。通过传感器就可检测到缺陷位置的漏磁量，通过转化信号就可完成对缆索的无损检测。这些信号输人到计算机就可利用软件处理确定缺陷的位置与大小，其中，磁通量检测结果包括：充电桩电缆存在缺陷和充电桩电缆不存在缺陷。
204、若充电桩电缆存在缺陷，则采集充电桩电缆对应的多个电缆表面图像，并根据多个电缆表面图像对充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；
具体的，若充电桩电缆存在缺陷，则按照预置的区域分割策略将充电桩电缆分割为多个检测区域，本实施例可以按照每10cm为一个检测电缆段进行区域分割；分别采集每个检测区域的表面图像，得到充电桩电缆对应的多个电缆表面图像；分别将多个电缆表面图像输入预置的电缆表面检测模型进行电缆表面缺陷检测，得到充电桩电缆的表面缺陷检测结果，其中，电缆表面检测模型包括：五层卷积层、三层全连接层和输出层，例如：输入表面图像的大小为224x224x3，经64个3x3的卷积核作两次卷积+ReLU，卷积后的尺寸变为224x224x64；作max pooling（最大化池化），池化单元尺寸为2x2（效果为图像尺寸减半），池化后的尺寸变为112x112x64；经128个3x3的卷积核作两次卷积+ReLU，尺寸变为112x112x128；作2x2的max pooling池化，尺寸变为56x56x128；经256个3x3的卷积核作三次卷积+ReLU，尺寸变为56x56x256；作2x2的max pooling池化，尺寸变为28x28x256；经512个3x3的卷积核作三次卷积+ReLU，尺寸变为28x28x512；作2x2的max pooling池化，尺寸变为14x14x512；经512个3x3的卷积核作三次卷积+ReLU，尺寸变为14x14x512；作2x2的maxpooling池化，尺寸变为7x7x512；与两层1x1x4096，一层1x1x1000进行全连接+ReLU（共三层）；通过softmax输出1000个预测结果。
205、根据表面缺陷检测结果对充电桩电缆进行故障定位，得到故障定位结果，并根据故障定位结果截取充电桩电缆对应的故障电缆，并采集故障电缆的横截面图像；
具体的，对表面缺陷检测结果进行解析，得到标注图像，其中，标注图像携带有缺陷位置信息；根据缺陷位置信息对充电桩电缆进行故障定位，得到故障定位结果，其中，故障定位结果用于指示充电桩电缆的故障点；根据故障定位结果并按照预置的截取范围截取充电桩电缆对应的故障电缆，其中，故障电缆为预设长度的发生故障的充电桩电缆；基于预设的图像采集终端采集故障电缆的横截面图像，首先按照预设的截取范围对故障电缆进行截取并采集截取出来的电缆的横截面图像。具体的，根据表面缺陷检测结果中存在表面缺陷的部位对应的表面图像，根据目标表面图像对故障定位，得到故障定位结果，根据故障定位结果按照预设的截取范围截取充电桩电缆对应的故障电缆，其中，该截取范围设置为5cm-10cm，当故障电缆截取完成时采集截取后的故障电缆对应的横截面图像，该横截面图像包括故障电缆的两个横截面。
206、将横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，电缆故障检测结果用于指示充电桩电缆的芯体故障等级和芯体故障种类；
具体的，将横截面图像输入预置的电缆故障检测模型，其中，电缆故障检测模型包括：区域分割网络、特征检测网络和特征生成网络；通过区域分割网络对横截面图像进行区域分割，得到多个目标区域，其中，多个目标区域包括：导电芯体区域、隔离物区域和绝缘区域，其中，区域分割网络采用角点提取算法，提取导电芯体相接触形成的角点，通过角点将电缆轮廓拆解为不连续的弧段，每个弧段的两端对应两个角点，提取每个弧段的像素点最小凸多边形，剔除凸多边形中角点弧长所在的一边，用剩余弧段代替原始弧段，依次将孤段连接，即可得到补偿完成的轮廓，有效填补轮廓的缺损、修复粗糙的轮廓边缘，提取弧段并通过像素映射，获取补偿后的新弧段；将导电芯体区域输入特征检测网络进行特征提取，得到芯体区域特征，其中，特征检测网络包括：全连接层和残差块；将芯体区域特征输入特征生成网络进行特征归一化操作，其中，特征归一化操作是将检测出来的芯线断线或者多相断线损耗点通过Openvc接口将检测出的芯体故障等级和芯体故障种类标注在对应的芯线断线或者多相断线位置上，输出为电缆故障检测结果，其中，电缆故障检测结果用于指示充电桩电缆的芯体故障等级和芯体故障种类。
207、根据芯体故障等级选取与芯体故障等级对应的修补策略；
208、基于修补策略对故障电缆进行修复处理，得到修复后的电缆；
209、对修复后的电缆进行充电测试，并检测修复后的电缆的充电状态。
具体的，根据芯体故障等级选取与芯体故障等级对应的修补策略，当芯线断线或者多相断线程度较轻时，采用修补法对故障电缆进行修补，当芯线断线或者多相断线程度较重时，对整根充电桩电缆进行替换，基于修补策略对故障电缆进行修复处理，得到修复后的电缆，修复后的电缆需要对其进行修复测试，测试其充电是否正常，对修复后的电缆进行充电测试，并检测修复后的电缆的充电状态。
本发明实施例中，查询多个待测试智能充电桩的充电测试数据，并根据充电测试数据确定待检测的目标智能充电桩以及目标智能充电桩对应的充电桩电缆；对目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对充电状态检测结果进行根因分析，得到根因分析结果；若根因分析结果为充电桩电缆异常，则对充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，磁通量检测结果包括：充电桩电缆存在缺陷和充电桩电缆不存在缺陷；若充电桩电缆存在缺陷，则采集充电桩电缆对应的多个电缆表面图像，并根据多个电缆表面图像对充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；根据表面缺陷检测结果对充电桩电缆进行故障定位，得到故障定位结果，并根据故障定位结果截取充电桩电缆对应的故障电缆，并采集故障电缆的横截面图像；将横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，电缆故障检测结果用于指示充电桩电缆的芯体故障等级和芯体故障种类。本发明采用大数据监控的方式首先筛选出充电测试数据小于预设目标值的充电桩，相较于人工定期检测可以提高检测效率，然后再对这种充电桩进行缺陷检测分析，当确定电缆有故障时则分析其故障电缆的横截面以确定芯体故障等级和芯体故障种类，提高了电缆生产的故障检测的准确率和电缆的安全性。
上面对本发明实施例中电缆生产的故障检测方法进行了描述，下面对本发明实施例中电缆生产的故障检测装置进行描述，请参阅图3，本发明实施例中电缆生产的故障检测装置一个实施例包括：
查询模块301，用于查询多个待测试智能充电桩的充电测试数据，并根据所述充电测试数据确定待检测的目标智能充电桩以及所述目标智能充电桩对应的充电桩电缆；
分析模块302，用于对所述目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对所述充电状态检测结果进行根因分析，得到根因分析结果；
检测模块303，用于若所述根因分析结果为充电桩电缆异常，则对所述充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷；
采集模块304，用于若所述充电桩电缆存在缺陷，则采集所述充电桩电缆对应的多个电缆表面图像，并根据所述多个电缆表面图像对所述充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；
定位模块305，用于根据所述表面缺陷检测结果对所述充电桩电缆进行故障定位，得到故障定位结果，并根据所述故障定位结果截取所述充电桩电缆对应的故障电缆，并采集所述故障电缆的横截面图像；
输出模块306，用于将所述横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类。
本发明实施例中，查询多个待测试智能充电桩的充电测试数据，并根据所述充电测试数据确定待检测的目标智能充电桩以及所述目标智能充电桩对应的充电桩电缆；对所述目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对所述充电状态检测结果进行根因分析，得到根因分析结果；若所述根因分析结果为充电桩电缆异常，则对所述充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷；若所述充电桩电缆存在缺陷，则采集所述充电桩电缆对应的多个电缆表面图像，并根据所述多个电缆表面图像对所述充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；根据所述表面缺陷检测结果对所述充电桩电缆进行故障定位，得到故障定位结果，并根据所述故障定位结果截取所述充电桩电缆对应的故障电缆，并采集所述故障电缆的横截面图像；将所述横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类。本发明采用大数据监控的方式首先筛选出充电测试数据小于预设目标值的充电桩，相较于人工定期检测可以提高检测效率，然后再对这种充电桩进行缺陷检测分析，当确定电缆有故障时则分析其故障电缆的横截面以确定芯体故障等级和芯体故障种类，提高了电缆生产的故障检测的准确率和电缆的安全性。
请参阅图4，本发明实施例中电缆生产的故障检测装置另一个实施例包括：
查询模块301，用于查询多个待测试智能充电桩的充电测试数据，并根据所述充电测试数据确定待检测的目标智能充电桩以及所述目标智能充电桩对应的充电桩电缆；
分析模块302，用于对所述目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对所述充电状态检测结果进行根因分析，得到根因分析结果；
检测模块303，用于若所述根因分析结果为充电桩电缆异常，则对所述充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷；
采集模块304，用于若所述充电桩电缆存在缺陷，则采集所述充电桩电缆对应的多个电缆表面图像，并根据所述多个电缆表面图像对所述充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；
定位模块305，用于根据所述表面缺陷检测结果对所述充电桩电缆进行故障定位，得到故障定位结果，并根据所述故障定位结果截取所述充电桩电缆对应的故障电缆，并采集所述故障电缆的横截面图像；
输出模块306，用于将所述横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类。
可选的，所述分析模块302具体用于：获取所述目标智能充电桩在预设测试时间段内的测试参数数据，其中，所述测试参数数据包括：输入功率、输出功率、实际电流、实际电压和表面温度；对所述测试参数数据进行充电状态分析，得到充电状态检测结果，其中，所述充电状态检测结果包括：充电正常和充电异常；若充电异常，则对所述充电状态检测结果进行根因分析，得到异常指标数据；根据所述异常指标数据查询所述目标智能充电桩的异常构件，并将所述异常构件作为所述根因分析结果。
可选的，所述检测模块303具体用于：若所述根因分析结果为充电桩电缆异常，则检测所述充电桩电缆的磁通量；对所述磁通量进行变化曲线拟合，得到磁通量曲线；根据所述磁通量曲线生成磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷。
可选的，所述采集模块304具体用于：若所述充电桩电缆存在缺陷，则按照预置的区域分割策略将所述充电桩电缆分割为多个检测区域；分别采集每个检测区域的表面图像，得到所述充电桩电缆对应的多个电缆表面图像；分别将所述多个电缆表面图像输入预置的电缆表面检测模型进行电缆表面缺陷检测，得到所述充电桩电缆的表面缺陷检测结果，其中，所述电缆表面检测模型包括：五层卷积层、三层全连接层和输出层。
可选的，所述定位模块305具体用于：对所述表面缺陷检测结果进行解析，得到标注图像，其中，所述标注图像携带有缺陷位置信息；根据所述缺陷位置信息对所述充电桩电缆进行故障定位，得到故障定位结果，其中，所述故障定位结果用于指示所述充电桩电缆的故障点；根据所述故障定位结果并按照预置的截取范围截取所述充电桩电缆对应的故障电缆，其中，所述故障电缆为预设长度的发生故障的充电桩电缆；基于预设的图像采集终端采集所述故障电缆的横截面图像。
可选的，所述输出模块306具体用于：将所述横截面图像输入预置的电缆故障检测模型，其中，所述电缆故障检测模型包括：区域分割网络、特征检测网络和特征生成网络；通过所述区域分割网络对所述横截面图像进行区域分割，得到多个目标区域，其中，所述多个目标区域包括：导电芯体区域、隔离物区域和绝缘区域；将所述导电芯体区域输入所述特征检测网络进行特征提取，得到芯体区域特征；将所述芯体区域特征输入所述特征生成网络进行特征归一化操作，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类。
可选的，所述电缆生产的故障检测装置还包括：
修复模块307，用于根据所述芯体故障等级选取与所述芯体故障等级对应的修补策略；基于所述修补策略对所述故障电缆进行修复处理，得到修复后的电缆；对所述修复后的电缆进行充电测试，并检测所述修复后的电缆的充电状态。
本发明实施例中，查询多个待测试智能充电桩的充电测试数据，并根据所述充电测试数据确定待检测的目标智能充电桩以及所述目标智能充电桩对应的充电桩电缆；对所述目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对所述充电状态检测结果进行根因分析，得到根因分析结果；若所述根因分析结果为充电桩电缆异常，则对所述充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷；若所述充电桩电缆存在缺陷，则采集所述充电桩电缆对应的多个电缆表面图像，并根据所述多个电缆表面图像对所述充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；根据所述表面缺陷检测结果对所述充电桩电缆进行故障定位，得到故障定位结果，并根据所述故障定位结果截取所述充电桩电缆对应的故障电缆，并采集所述故障电缆的横截面图像；将所述横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类。本发明采用大数据监控的方式首先筛选出充电测试数据小于预设目标值的充电桩，相较于人工定期检测可以提高检测效率，然后再对这种充电桩进行缺陷检测分析，当确定电缆有故障时则分析其故障电缆的横截面以确定芯体故障等级和芯体故障种类，提高了电缆生产的故障检测的准确率和电缆的安全性。
上面图3和图4从模块化功能实体的角度对本发明实施例中的电缆生产的故障检测装置进行详细描述，下面从硬件处理的角度对本发明实施例中电缆生产的故障检测设备进行详细描述。
图5是本发明实施例提供的一种电缆生产的故障检测设备的结构示意图，该电缆生产的故障检测设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）510（例如，一个或一个以上处理器）和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530（例如一个或一个以上海量存储设备）。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对电缆生产的故障检测设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在电缆生产的故障检测设备500上执行存储介质530中的一系列指令操作。
电缆生产的故障检测设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的电缆生产的故障检测设备结构并不构成对电缆生产的故障检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种电缆生产的故障检测设备，所述电缆生产的故障检测设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述电缆生产的故障检测方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述电缆生产的故障检测方法的步骤。
进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种电缆生产的故障检测方法，其特征在于，所述电缆生产的故障检测方法包括：
查询多个待测试智能充电桩的充电测试数据，并根据所述充电测试数据确定待检测的目标智能充电桩以及所述目标智能充电桩对应的充电桩电缆；
对所述目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对所述充电状态检测结果进行根因分析，得到根因分析结果；其中，所述对所述目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对所述充电状态检测结果进行根因分析，得到根因分析结果，包括：获取所述目标智能充电桩在预设测试时间段内的测试参数数据，其中，所述测试参数数据包括：输入功率、输出功率、实际电流、实际电压和表面温度；对所述测试参数数据进行充电状态分析，得到充电状态检测结果，其中，所述充电状态检测结果包括：充电正常和充电异常；若充电异常，则对所述充电状态检测结果进行根因分析，得到异常指标数据；根据所述异常指标数据查询所述目标智能充电桩的异常构件，并将所述异常构件作为所述根因分析结果；
若所述根因分析结果为充电桩电缆异常，则对所述充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷；
若所述充电桩电缆存在缺陷，则采集所述充电桩电缆对应的多个电缆表面图像，并根据所述多个电缆表面图像对所述充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；
根据所述表面缺陷检测结果对所述充电桩电缆进行故障定位，得到故障定位结果，并根据所述故障定位结果截取所述充电桩电缆对应的故障电缆，并采集所述故障电缆的横截面图像；
将所述横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类；其中，电缆故障检测模型包括：区域分割网络、特征检测网络和特征生成网络；通过区域分割网络对横截面图像进行区域分割，得到多个目标区域，其中，多个目标区域包括：导电芯体区域、隔离物区域和绝缘区域，其中，区域分割网络采用角点提取算法，提取导电芯体相接触形成的角点，通过角点将电缆轮廓拆解为不连续的弧段，每个弧段的两端对应两个角点，提取每个弧段的像素点最小凸多边形，剔除凸多边形中角点弧长所在的一边，用剩余弧段代替原始弧段，依次将孤段连接，即可得到补偿完成的轮廓，有效填补轮廓的缺损、修复粗糙的轮廓边缘，提取弧段并通过像素映射，获取补偿后的新弧段；将导电芯体区域输入特征检测网络进行特征提取，得到芯体区域特征，其中，特征检测网络包括：全连接层和残差块；将芯体区域特征输入特征生成网络进行特征归一化操作，其中，特征归一化操作是将检测出来的芯线断线或者多相断线损耗点通过Openvc接口将检测出的芯体故障等级和芯体故障种类标注在对应的芯线断线或者多相断线位置上，输出为电缆故障检测结果。
2.根据权利要求1所述的电缆生产的故障检测方法，其特征在于，所述若所述根因分析结果为充电桩电缆异常，则对所述充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷，包括：
若所述根因分析结果为充电桩电缆异常，则检测所述充电桩电缆的磁通量；
对所述磁通量进行变化曲线拟合，得到磁通量曲线；
根据所述磁通量曲线生成磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷。
3.根据权利要求1所述的电缆生产的故障检测方法，其特征在于，所述若所述充电桩电缆存在缺陷，则采集所述充电桩电缆对应的多个电缆表面图像，并根据所述多个电缆表面图像对所述充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果，包括：
若所述充电桩电缆存在缺陷，则按照预置的区域分割策略将所述充电桩电缆分割为多个检测区域；
分别采集每个检测区域的表面图像，得到所述充电桩电缆对应的多个电缆表面图像；
分别将所述多个电缆表面图像输入预置的电缆表面检测模型进行电缆表面缺陷检测，得到所述充电桩电缆的表面缺陷检测结果，其中，所述电缆表面检测模型包括：五层卷积层、三层全连接层和输出层。
4.根据权利要求1所述的电缆生产的故障检测方法，其特征在于，所述根据所述表面缺陷检测结果对所述充电桩电缆进行故障定位，得到故障定位结果，并根据所述故障定位结果截取所述充电桩电缆对应的故障电缆，并采集所述故障电缆的横截面图像，包括：
对所述表面缺陷检测结果进行解析，得到标注图像，其中，所述标注图像携带有缺陷位置信息；
根据所述缺陷位置信息对所述充电桩电缆进行故障定位，得到故障定位结果，其中，所述故障定位结果用于指示所述充电桩电缆的故障点；
根据所述故障定位结果并按照预置的截取范围截取所述充电桩电缆对应的故障电缆，其中，所述故障电缆为预设长度的发生故障的充电桩电缆；
基于预设的图像采集终端采集所述故障电缆的横截面图像。
5.根据权利要求1-4中任一项所述的电缆生产的故障检测方法，其特征在于，所述将所述横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类，包括：
将所述横截面图像输入预置的电缆故障检测模型，其中，所述电缆故障检测模型包括：区域分割网络、特征检测网络和特征生成网络；
通过所述区域分割网络对所述横截面图像进行区域分割，得到多个目标区域，其中，所述多个目标区域包括：导电芯体区域、隔离物区域和绝缘区域；
将所述导电芯体区域输入所述特征检测网络进行特征提取，得到芯体区域特征；
将所述芯体区域特征输入所述特征生成网络进行特征归一化操作，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类。
6.根据权利要求5所述的电缆生产的故障检测方法，其特征在于，所述电缆生产的故障检测方法还包括：
根据所述芯体故障等级选取与所述芯体故障等级对应的修补策略；
基于所述修补策略对所述故障电缆进行修复处理，得到修复后的电缆；
对所述修复后的电缆进行充电测试，并检测所述修复后的电缆的充电状态。
7.一种电缆生产的故障检测装置，其特征在于，所述电缆生产的故障检测装置包括：
查询模块，用于查询多个待测试智能充电桩的充电测试数据，并根据所述充电测试数据确定待检测的目标智能充电桩以及所述目标智能充电桩对应的充电桩电缆；
分析模块，用于对所述目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对所述充电状态检测结果进行根因分析，得到根因分析结果；其中，所述对所述目标智能充电桩进行充电状态检测，得到充电状态检测结果，并对所述充电状态检测结果进行根因分析，得到根因分析结果，包括：获取所述目标智能充电桩在预设测试时间段内的测试参数数据，其中，所述测试参数数据包括：输入功率、输出功率、实际电流、实际电压和表面温度；对所述测试参数数据进行充电状态分析，得到充电状态检测结果，其中，所述充电状态检测结果包括：充电正常和充电异常；若充电异常，则对所述充电状态检测结果进行根因分析，得到异常指标数据；根据所述异常指标数据查询所述目标智能充电桩的异常构件，并将所述异常构件作为所述根因分析结果；
检测模块，用于若所述根因分析结果为充电桩电缆异常，则对所述充电桩电缆进行磁通量检测，得到磁通量检测结果，其中，所述磁通量检测结果包括：所述充电桩电缆存在缺陷和所述充电桩电缆不存在缺陷；
采集模块，用于若所述充电桩电缆存在缺陷，则采集所述充电桩电缆对应的多个电缆表面图像，并根据所述多个电缆表面图像对所述充电桩电缆进行电缆表面缺陷检测，得到表面缺陷检测结果；
定位模块，用于根据所述表面缺陷检测结果对所述充电桩电缆进行故障定位，得到故障定位结果，并根据所述故障定位结果截取所述充电桩电缆对应的故障电缆，并采集所述故障电缆的横截面图像；
输出模块，用于将所述横截面图像输入预置的电缆故障检测模型进行电缆故障检测，得到电缆故障检测结果，其中，所述电缆故障检测结果用于指示所述充电桩电缆的芯体故障等级和芯体故障种类；其中，电缆故障检测模型包括：区域分割网络、特征检测网络和特征生成网络；通过区域分割网络对横截面图像进行区域分割，得到多个目标区域，其中，多个目标区域包括：导电芯体区域、隔离物区域和绝缘区域，其中，区域分割网络采用角点提取算法，提取导电芯体相接触形成的角点，通过角点将电缆轮廓拆解为不连续的弧段，每个弧段的两端对应两个角点，提取每个弧段的像素点最小凸多边形，剔除凸多边形中角点弧长所在的一边，用剩余弧段代替原始弧段，依次将孤段连接，即可得到补偿完成的轮廓，有效填补轮廓的缺损、修复粗糙的轮廓边缘，提取弧段并通过像素映射，获取补偿后的新弧段；将导电芯体区域输入特征检测网络进行特征提取，得到芯体区域特征，其中，特征检测网络包括：全连接层和残差块；将芯体区域特征输入特征生成网络进行特征归一化操作，其中，特征归一化操作是将检测出来的芯线断线或者多相断线损耗点通过Openvc接口将检测出的芯体故障等级和芯体故障种类标注在对应的芯线断线或者多相断线位置上，输出为电缆故障检测结果。
8.一种电缆生产的故障检测设备，其特征在于，所述电缆生产的故障检测设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述电缆生产的故障检测设备执行如权利要求1-6中任一项所述的电缆生产的故障检测方法。
9.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-6中任一项所述的电缆生产的故障检测方法。
CN202211068784.2A 2022-09-02 2022-09-02 电缆生产的故障检测方法、装置、设备及存储介质 Active CN115144704B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211068784.2A CN115144704B (zh) 2022-09-02 2022-09-02 电缆生产的故障检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211068784.2A CN115144704B (zh) 2022-09-02 2022-09-02 电缆生产的故障检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115144704A CN115144704A (zh) 2022-10-04
CN115144704B true CN115144704B (zh) 2022-11-15

Family

ID=83416615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211068784.2A Active CN115144704B (zh) 2022-09-02 2022-09-02 电缆生产的故障检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115144704B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103907162A (zh) * 2011-12-06 2014-07-02 住友电气工业株式会社 超导电缆、超导电缆线路、超导电缆的布设方法和超导电缆线路的操作方法
CN105180791A (zh) * 2014-06-20 2015-12-23 韩国原子力研究院 一种利用涡流探测器来进行稀疏脉冲检测的装置及其方法
KR20170133184A (ko) * 2016-05-25 2017-12-05 주식회사 제이티 광섬유 검사기
CN109791897A (zh) * 2016-10-07 2019-05-21 科磊股份有限公司 用于半导体晶片检验的三维成像
CN110346633A (zh) * 2019-08-02 2019-10-18 武汉三相电力科技有限公司 磁电式电流传感器和电缆故障定位方法
CN113160184A (zh) * 2021-04-26 2021-07-23 贵州电网有限责任公司 一种基于深度学习的无人机智能巡检电缆表面缺陷检测方法
CN113917267A (zh) * 2021-10-15 2022-01-11 万帮数字能源股份有限公司 一种充电桩故障排查方法
CN114113833A (zh) * 2021-11-11 2022-03-01 阳光电源股份有限公司 充电桩、充电桩线路检测方法及装置
CN114355125A (zh) * 2022-01-13 2022-04-15 国网河北省电力有限公司石家庄供电分公司 基于电场分析的输电电缆缺陷判断装置及方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109215020B (zh) * 2018-08-30 2022-06-14 国网黑龙江省电力有限公司佳木斯供电公司 基于计算机视觉的高压输电线路故障识别方法
GB2590661B (en) * 2019-12-23 2022-02-09 Graphcore Ltd Sync network
CN111929315A (zh) * 2020-09-04 2020-11-13 北京远大宏略科技股份有限公司 一种缠绕式线缆表皮检测装置及其检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103907162A (zh) * 2011-12-06 2014-07-02 住友电气工业株式会社 超导电缆、超导电缆线路、超导电缆的布设方法和超导电缆线路的操作方法
CN105180791A (zh) * 2014-06-20 2015-12-23 韩国原子力研究院 一种利用涡流探测器来进行稀疏脉冲检测的装置及其方法
KR20170133184A (ko) * 2016-05-25 2017-12-05 주식회사 제이티 광섬유 검사기
CN109791897A (zh) * 2016-10-07 2019-05-21 科磊股份有限公司 用于半导体晶片检验的三维成像
CN110346633A (zh) * 2019-08-02 2019-10-18 武汉三相电力科技有限公司 磁电式电流传感器和电缆故障定位方法
CN113160184A (zh) * 2021-04-26 2021-07-23 贵州电网有限责任公司 一种基于深度学习的无人机智能巡检电缆表面缺陷检测方法
CN113917267A (zh) * 2021-10-15 2022-01-11 万帮数字能源股份有限公司 一种充电桩故障排查方法
CN114113833A (zh) * 2021-11-11 2022-03-01 阳光电源股份有限公司 充电桩、充电桩线路检测方法及装置
CN114355125A (zh) * 2022-01-13 2022-04-15 国网河北省电力有限公司石家庄供电分公司 基于电场分析的输电电缆缺陷判断装置及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Fault location and diagnosis in a medium voltage EPR power cable;A.J. Reid 等;《 IEEE Transactions on Dielectrics and Electrical Insulation》;20130111;第20卷(第1期);第10-18页 *
基于机器视觉技术的电缆结构参数检测系统研究;胡立锦 等;《四川电力技术》;20201231;第43卷(第6期);第16-20页 *
电缆断芯故障定位的检测方法;夏永辉;《光纤电缆及其应用技术》;20120131(第1期);第38-40页 *

Also Published As

Publication number Publication date
CN115144704A (zh) 2022-10-04

Similar Documents

Publication Publication Date Title
CN112041693B (zh) 一种基于混合录波的配电网故障定位系统
CN106019084B (zh) 基于配用电数据关联的中压配电网断线故障诊断方法
CN102221651B (zh) 一种矿用隔爆型干式变压器故障在线诊断及预警方法
AU2020101683A4 (en) Fault detection, location, and prediction within an electricity power transmission and distribution networks
CN108062571A (zh) 基于差分进化随机森林分类器的光伏阵列故障诊断方法
CN105353256A (zh) 一种输变电设备状态异常检测方法
CN112688431A (zh) 一种基于大数据的配电网负荷过载可视化方法及系统
CN111985558A (zh) 一种电能表异常诊断方法及其系统
CN109342882A (zh) 基于多源特征值分析的电缆故障在线监测方法
CN110333962A (zh) 一种基于数据分析预测的电子元器件故障诊断模型
CN109061391B (zh) 一种基于计算机视觉潮流图的电网故障诊断方法及系统
CN113191429A (zh) 一种电力变压器套管故障诊断方法及装置
CN114254818A (zh) 一种基于风险评估模型的低压配电网连锁故障预警方法
CN112816881A (zh) 电池压差异常检测方法、装置及计算机存储介质
EP3012643B1 (en) Method and apparatus for identifying causes for cable overcurrent
Ma et al. Fractal‐based autonomous partial discharge pattern recognition method for MV motors
CN115144704B (zh) 电缆生产的故障检测方法、装置、设备及存储介质
CN106199236A (zh) 一种输电线路参数估计方法、系统及电力系统
CN105099804B (zh) 机组故障的检测方法、服务器及终端
CN111259993A (zh) 一种基于神经网络的故障诊断方法及装置
CN110807014A (zh) 一种基于交叉验证的台区数据异常甄别方法和装置
CN113507430B (zh) 电力系统信息物理协同攻击检测方法及系统
CN111226254A (zh) 网络地图的可靠性
CN114826147A (zh) 一种光伏发电站的故障巡检方法、装置及介质
Pena et al. Data-Driven Detection of Phase Changes in Evolving Distribution Systems

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