CN115856088A - 基于相控阵超声波成像技术对高压电缆铅封质量检测系统 - Google Patents

Abstract

本发明涉及高压电缆铅封质量检测技术领域，具体地说，涉及基于相控阵超声波成像技术对高压电缆铅封质量检测系统。其包括耦合装置、超声相控阵检测系统以及缺陷识别系统。本发明通过超声相控阵探头以及探头耦合装置采集缺陷回波信号，超声相控阵检测系统对回波信号进行波形分析处理，同时将回波信号转换为二维图像；缺陷识别系统提取图像特征，识别缺陷类型，通过较强的图像处理能力和目标检测能力在电力设备的故障检测和诊断中得到了很广的应用，将超声相控阵无损检测方法运用于高压电缆铅封缺陷检测具有巨大的工程需求，通过对铅封各类典型缺陷进行有效检测，可以有效减少电缆事故的发生概率，提高线路安全稳定运行水平。

Description

基于相控阵超声波成像技术对高压电缆铅封质量检测系统

技术领域

本发明涉及高压电缆铅封质量检测技术领域，具体地说，涉及基于相控阵超声波成像技术对高压电缆铅封质量检测系统。

背景技术

在电缆制造工艺上，铅封对金属护套或铝护套电缆的各种头、中间连接有着极重要的密封防水作用，可使电缆的金属外护套与其他电气设备连接成良好的接地系统。特别是高压电缆各种接头的施工中，更需要熟练的铅封技术。由于铝护套铅封存在虚焊、焊接不牢等铅封逐渐松脱现象。松脱后的铅封感应出较高的悬浮电位与低电位的铜尾管产生电位差，形成空气击穿放电，空气电离可产生上千度高温，在高温作用下，电缆主绝缘逐渐碳化，绝缘性能下降，最终导致电缆击穿故障。

目前对电力电缆附件缺陷诊断的方法主要有红外线检测、X射线检测、金属护层接地电流检测和局部放电检测等，实际高压电缆铅封内部结构比较复杂，上述方法都无法有效运用到高压电缆铅封缺陷检测之中。目前涡流检测方法可以对铅封裂纹缺陷进行有效检测，并取得良好效果，但该方法存在一定局限性，并不能有效检测出铅封内部以及铅封与铝护套层间缺陷。

为了应对上述问题，现亟需基于相控阵超声波成像技术对高压电缆铅封质量检测系统。

发明内容

本发明的目的在于提供基于相控阵超声波成像技术对高压电缆铅封质量检测系统，以解决上述背景技术中提出的问题。

为实现上述目的，提供了基于相控阵超声波成像技术对高压电缆铅封质量检测系统，包括探头耦合装置、超声相控阵检测系统以及缺陷识别系统；

所述超声相控阵检测系统由相控阵探头、编码器、超声相控阵主机、电脑分析软件、运动驱动模块和数据传输线组成，所述相控阵探头通过所述探头耦合装置固定在待测工件检测位置，所述相控阵探头通过所设阵元发射入射波至待测工件缺陷区域，入射波经过缺陷区域后产生反射波，通过阵元接收反射波，所述编码器与所述相控阵探头输入端连接，所述编码器与所述运动驱动模块双向连接，所述编码器的位置通过所述运动驱动模块获得，所述运动驱动模块与所述超声相控阵主机双向连接，所述超声相控阵主机通过所述运动驱动模块向所述编码器传输驱动信号，所述超声相控阵主机与所述相控阵探头双向连接，所述超声相控阵主机传输给所述相控阵探头超声激励信号，控制所述相控阵探头发射入射波至待测工件缺陷区域，当所述相控阵探头阵元接收反射波后，所述相控阵探头传输给所述超声相控阵主机超声回波信号，通过所述超声相控阵主机分析超声回波信号，得到检测数据，并将检测数据传输至所述电脑分析软件，通过所述电脑分析软件对检测数据进行实时显示，对回波信号进行波形分析处理，同时将回波信号转换为二维图像；

所述超声相控阵检测系统输出端与所述缺陷识别系统输入端连接，所述缺陷识别系统用于提取二维图像特征，识别待测工件缺陷类型。

作为本技术方案的进一步改进，所述探头耦合装置包括铝壳，所述铝壳底端为弧形结构，所述铝壳顶端两侧均设置有注水孔，所述铝壳底端中间位置设置有硅橡胶薄膜，所述注水孔穿过所述铝壳与所述硅橡胶薄膜内端保持连通，所述相控阵探头位于所述铝壳顶端两所述注水孔之间。

作为本技术方案的进一步改进，所述超声相控阵主机包括回波信号延时模块，所述回波信号延时模块用于对获得的所有阵元的回波信号进行延时处理，所述回波信号延时模块输出端连接有回波信号叠加模块，所述回波信号叠加模块用于对回波信号进行叠加处理。

作为本技术方案的进一步改进，所述缺陷识别系统包括缺陷图像集存储模块，所述缺陷图像集存储模块用于存储各种类型的缺陷图像，所述缺陷图像集存储模块输出端连接有数据集分类模块，所述数据集分类模块根据缺陷图像类型，对各种缺陷图像进行分类处理，所述数据集分类模块输出端连接缺陷特征学习模块，所述缺陷特征学习模块对存储的缺陷图像进行样本训练和测试，所述缺陷特征学习模块输出端连接有缺陷类型预测模块，所述缺陷类型预测模块用于比对当前所得样本缺陷图像以及存储得缺陷图像样本，预测当前所得样本缺陷图像得类型，所述缺陷类型预测模块输出端连接有缺陷类型输出模块。

作为本技术方案的进一步改进，所述缺陷特征学习模块采用卷积神经网络，卷积神经网络用于制定模型整体框架，通过卷积运算、激活函数的选择、池化过程和全连接层建立模型，使用建立的模型对采集的铅封缺陷图像进行训练和测试，建立基于卷积神经网络的铅封缺陷识别模型。

作为本技术方案的进一步改进，所述卷积神经网络采用卷积神经网络图像识别算法，其算法步骤如下：

步骤一、第k-1层的特征图谱与卷积层中的卷积核通过卷积运算得到第K层的特征图谱；

步骤二、积核将K-1层中每个小区域的特征信息提取并集中到K层中一个小点上，在卷积层之后添加一个激活层，提取图像包含的线性特征；

步骤三、第K层的网络中的特征图数量由第K-1层特征映射计算得到。

作为本技术方案的进一步改进，所述全连接层将提取的检测试样特征进行组织综合，对目标位置进行寻找，同时采用Softmax回归将网络输出转化为跟类别相关的概率分布。

作为本技术方案的进一步改进，所述Softmax 回归的输出表示为：

；

其中w为权重矩阵，b是偏置值，O为最终输出。

作为本技术方案的进一步改进，所述池化过程包括最大池化、平均池化和随机池化，池化层会周期性的插入到相连的卷积层之间，池化层的用于把图像相似的特征集合起来。

作为本技术方案的进一步改进，所述缺陷特征学习模块存储的缺陷图像进行样本训练和测试的步骤如下：

S1、向输入层输入一个224x224像素大小的铅封超声图像样本图；

S2、第一层采用7x7大小的卷积核分别对输入的铅封超声图像进行卷积处理，滑动步长为2，通道为64，卷积后得到64各112x112像素大小的二维特征图；

S3、卷积后进行ReLU操作，经过步进为2，卷积核为3x3的最大池化操作，输出64个56x56像素大小的二维特征图谱；

S4、重复S2以及S3，得到256个28x28的二维特征图谱；

S5、对最终输出的铅封缺陷二维图像矩阵进一步转化处理，全连接层的输入节点为200704个；

S6、全连接层为两层，均采用512个神经元；

S7、输出层一共有四个神经元，全连接层中的512个神经元都与输出层四个神经元进行全连接分类。

与现有技术相比，本发明的有益效果：

1、该基于相控阵超声波成像技术对高压电缆铅封质量检测系统中，通过超声相控阵探头以及探头耦合装置采集缺陷回波信号，超声相控阵检测系统对回波信号进行波形分析处理，同时将回波信号转换为二维图像；缺陷识别系统提取图像特征，识别缺陷类型，以较强的图像处理能力和目标检测能力在电力设备的故障检测和诊断中得到了很广的应用，将超声相控阵无损检测方法运用于高压电缆铅封缺陷检测具有巨大的工程需求，通过对铅封各类典型缺陷进行有效检测，可以有效减少电缆事故的发生概率，提高线路安全稳定运行水平。

2、该基于相控阵超声波成像技术对高压电缆铅封质量检测系统中，通过注水孔向硅橡胶薄膜内端注入耦合剂，使得硅橡胶薄膜鼓起，从而填补探头与铅封之间产生的空气间隙，使得探头与铅封表面进行有效耦合，减少超声波在空气中的衰减，提高相控阵探头探测效果。

附图说明

图1为本发明的整体结构示意图；

图2为本发明的超声相控阵检测系统基本组成及连接关系图；

图3为本发明的探头耦合装置结构示意图；

图4为本发明的超声相控阵主机结构示意图；

图5为本发明的缺陷识别系统结构示意图；

图6为本发明的卷积神经网络流程图；

图7为本发明的相控阵发射和接收声波的流程图。

图中各个标号意义为：

10、探头耦合装置；110、铝壳；120、注水孔；130、硅橡胶薄膜；

20、相控阵探头。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

请参阅图1-图7所示，提供了基于相控阵超声波成像技术对高压电缆铅封质量检测系统，包括探头耦合装置10、超声相控阵检测系统以及缺陷识别系统；

超声相控阵检测系统由相控阵探头20、编码器、超声相控阵主机、电脑分析软件、运动驱动模块和数据传输线组成，相控阵探头20通过探头耦合装置10固定在待测工件检测位置，相控阵探头20通过所设阵元发射入射波至待测工件缺陷区域，入射波经过缺陷区域后产生反射波，通过阵元接收反射波，编码器与相控阵探头20输入端连接，编码器与运动驱动模块双向连接，编码器的位置通过运动驱动模块获得，运动驱动模块与超声相控阵主机双向连接，超声相控阵主机通过运动驱动模块向编码器传输驱动信号，超声相控阵主机与相控阵探头20双向连接，超声相控阵主机传输给相控阵探头20超声激励信号，控制相控阵探头20发射入射波至待测工件缺陷区域，当相控阵探头20阵元接收反射波后，相控阵探头20传输给超声相控阵主机超声回波信号，通过超声相控阵主机分析超声回波信号，得到检测数据，并将检测数据传输至电脑分析软件，通过电脑分析软件对检测数据进行实时显示，对回波信号进行波形分析处理，同时将回波信号转换为二维图像；

超声相控阵检测系统输出端与缺陷识别系统输入端连接，缺陷识别系统用于提取二维图像特征，识别待测工件缺陷类型。

具体使用时，首先通过探头耦合装置10将相控阵探头20固定在待测工件缺陷区域，超声相控阵主机传输超声激励信号至相控阵探头20，控制相控阵探头20发射入射波（超声波）至待测工件缺陷区域，入射波经过缺陷区域后反射产生反射波，通过阵元接收反射波，随后相控阵探头20将反射波转化为超声回波信号，并将超声回波信号传输至超声相控阵主机，编码器的位置通过运动驱动模块获得，通过编码器获取相控阵探头20位置，并将探头位置信息通过运动驱动模块传输至超声相控阵主机，超声相控阵主机分析超声回波信号，整合探头位置信息，得到检测数据，将检测数据传输至电脑分析软件，通过电脑分析软件对检测数据进行实时显示，对回波信号进行波形分析处理，并将回波信号转换为二维图像，确定待测工件缺陷具体位置，缺陷识别系统用于提取二维图像特征，识别待测工件缺陷类型。

本发明通过超声相控阵探头20以及探头耦合装置10采集缺陷回波信号，超声相控阵检测系统对回波信号进行波形分析处理，同时将回波信号转换为二维图像；缺陷识别系统提取图像特征，识别缺陷类型，以较强的图像处理能力和目标检测能力在电力设备的故障检测和诊断中得到了很广的应用，为电网智能巡检提供了良好的应用价值，所以将超声相控阵无损检测方法运用于高压电缆铅封缺陷检测具有巨大的工程需求，通过对铅封各类典型缺陷进行有效检测，可以有效减少电缆事故的发生概率，提高线路安全稳定运行水平。

此外，探头耦合装置10包括铝壳110，铝壳110底端为弧形结构，铝壳110顶端两侧均设置有注水孔120，铝壳110底端中间位置设置有硅橡胶薄膜130，注水孔120穿过铝壳110与硅橡胶薄膜130内端保持连通，相控阵探头20位于铝壳110顶端两注水孔120之间。具体使用时，由于高压电缆铅封表面曲率较大，将相控阵探头20直接放置在铅封表面进行缺陷检测，探头与铅封之间会有很大空气间隙，超声波在空气中衰减很大，在检测铅封试件时，探头无法与铅封表面进行有效耦合，传统的超声波水浸法是以水作为耦合剂，将超声检测探头与检测试件放入水槽中进行缺陷检测，但使用该方法对铅封缺陷进行检测会破坏铅封结构，且无法应用于现场检测，具有很大的局限性，此时通过注水孔120向硅橡胶薄膜130内端注入耦合剂，使得硅橡胶薄膜130鼓起，从而填补探头与铅封之间产生的空气间隙，使得探头与铅封表面进行有效耦合，减少超声波在空气中的衰减，提高相控阵探头20探测效果。

进一步的，超声相控阵主机包括回波信号延时模块，回波信号延时模块用于对获得的所有阵元的回波信号进行延时处理，回波信号延时模块输出端连接有回波信号叠加模块，回波信号叠加模块用于对回波信号进行叠加处理。具体使用时，回波信号延时模块用于对获得的所有阵元的回波信号进行延时处理，回波信号叠加模块用于对回波信号进行叠加处理，由于超声相控阵探头20是由多个相互独立的阵元按照-定间距、形状、尺寸有序排列组合而成，通过控制阵元的数量和按照-定的激励规则和时序对每个阵元进行脉冲激励和时间延迟，控制超声波束在空间不同位置和方向上进行叠加，从而实现在不移动超声探头的情况下完成超声波束的平移、偏转以及聚焦和扫查等功能，克服了常规超声对复杂几何外形构件无损检测的局限性，可以满足不同场合的无损检测需求，能够大大提高对复杂工件缺陷检测的效率。

再进一步的，缺陷识别系统包括缺陷图像集存储模块，缺陷图像集存储模块用于存储各种类型的缺陷图像，缺陷图像集存储模块输出端连接有数据集分类模块，数据集分类模块根据缺陷图像类型，对各种缺陷图像进行分类处理，数据集分类模块输出端连接缺陷特征学习模块，缺陷特征学习模块对存储的缺陷图像进行样本训练和测试，缺陷特征学习模块输出端连接有缺陷类型预测模块，缺陷类型预测模块用于比对当前所得样本缺陷图像以及存储得缺陷图像样本，预测当前所得样本缺陷图像得类型，缺陷类型预测模块输出端连接有缺陷类型输出模块。具体使用时，缺陷图像集存储模块存储各种类型的缺陷图像，通过数据集分类模块各种缺陷图像进行分类处理，述缺陷特征学习模块对存储的缺陷图像进行样本训练和测试，缺陷类型预测模块用于比对当前所得样本缺陷图像以及存储得缺陷图像样本，预测当前所得样本缺陷图像的类型，缺陷类型输出模块对预测后当前所得样本缺陷图像类型进行输出。

具体的，缺陷特征学习模块采用卷积神经网络，卷积神经网络用于制定模型整体框架，通过卷积运算、激活函数的选择、池化过程和全连接层建立模型，使用建立的模型对采集的铅封缺陷图像进行训练和测试，建立基于卷积神经网络的铅封缺陷识别模型。

此外，卷积神经网络采用卷积神经网络图像识别算法，其算法步骤如下：

步骤一、第k-1层的特征图谱与卷积层中的卷积核通过卷积运算得到第K层的特征图谱；

步骤二、积核将K-1层中每个小区域的特征信息提取并集中到K层中一个小点上，在卷积层之后添加一个激活层，提取图像包含的线性特征；

步骤三、第K层的网络中的特征图数量由第K-1层特征映射计算得到。

具体使用时，卷积阶段：卷积层是卷积神经网络中很关键的一部分，图像特征可以通过卷积运算进行提取，第k-1层的特征图谱与卷积层中的卷积核通过卷积运算可以得到第K层的特征图谱，卷积核可以将K-1层中每个小区域的特征信息提取并集中到K层中一个小点上，在卷积层后面一般会添加一个激活层，目的是为了卷积层提取的图像包含线性特征，同时还包含非线性特征，在卷积过程中，第K层的网络中的特征图数量由第K-1层特征映射计算得到，从而确定待测缺陷图像特征，以供后期进行比对。

进一步的，全连接层将提取的检测试样特征进行组织综合，对目标的位置进行寻找，具体使用时，全连接层位于卷积层和池化层之后，可以将经过卷积和核池化后获得的特征图像作为第一个全连接层输入，最后一层的主要作用是输出需要的最终结果，相当于一个分类器，使用Softmax回归将网络输出转化为跟类别相关的概率分布，将离散值输出映射到(0，1)范围之间，图像类别通过概率值的大小进行有效判断。

再进一步的，Softmax 回归的输出表示为：

；

其中w为权重矩阵，b是偏置值，O为最终输出。

此外，池化过程包括最大池化、平均池化和随机池化，池化层会周期性的插入到相连的卷积层之间，池化层的作用是把图像相似的特征集合起来，通过池化层进行池化处理后，能够有效减少卷积层输出的特征向量，可以大大减轻卷积神经网络的计算量，从而有效提高处理数据的效率，同时还可以起到过拟合的作用。

除此之外，缺陷特征学习模块存储的缺陷图像进行样本训练和测试的步骤如下：

S1、向输入层输入一个224x224像素大小的铅封超声图像样本图；

S2、第一层采用7x7大小的卷积核分别对输入的铅封超声图像进行卷积处理，滑动步长为2，通道为64，卷积后得到64各112x112像素大小的二维特征图；

S3、卷积后进行ReLU操作，经过步进为2，卷积核为3x3的最大池化操作，输出64个56x56像素大小的二维特征图谱；

S4、重复S2以及S3，得到256个28x28的二维特征图谱；

S5、对最终输出的铅封缺陷二维图像矩阵进一步转化处理，全连接层的输入节点为200704个；

S6、全连接层为两层，均采用512个神经元；

S7、输出层一共有四个神经元，全连接层中的512个神经元都与输出层四个神经元进行全连接分类。

使用建立的模型对采集的铅封缺陷图像进行训练和测试，不同大小的卷积核对卷积神经网络性能有影响，当卷积核的大小为9x9时，卷积神经网络训练的模型稳定性更好，对铅封缺陷的识别准确率可以达到100%，表明建立的模型对铅封缺陷识别是有效的，能够有效提升铅封缺陷检测效率，在实际的电缆终端铅封缺陷检测中具有很好的应用前景。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.基于相控阵超声波成像技术对高压电缆铅封质量检测系统，其特征在于：包括探头耦合装置（10）、超声相控阵检测系统以及缺陷识别系统；

所述超声相控阵检测系统由相控阵探头（20）、编码器、超声相控阵主机、电脑分析软件、运动驱动模块和数据传输线组成，所述相控阵探头（20）通过所述探头耦合装置（10）固定在待测工件检测位置，所述相控阵探头（20）通过所设阵元发射入射波至待测工件缺陷区域，入射波经过缺陷区域后产生反射波，通过阵元接收反射波，所述编码器与所述相控阵探头（20）输入端连接，所述编码器与所述运动驱动模块双向连接，所述编码器的位置通过所述运动驱动模块获得，所述运动驱动模块与所述超声相控阵主机双向连接，所述超声相控阵主机通过所述运动驱动模块向所述编码器传输驱动信号，所述超声相控阵主机与所述相控阵探头（20）双向连接，所述超声相控阵主机传输给所述相控阵探头（20）超声激励信号，控制所述相控阵探头（20）发射入射波至待测工件缺陷区域，当所述相控阵探头（20）阵元接收反射波后，所述相控阵探头（20）传输给所述超声相控阵主机超声回波信号，通过所述超声相控阵主机分析超声回波信号，得到检测数据，并将检测数据传输至所述电脑分析软件，通过所述电脑分析软件对检测数据进行实时显示，对回波信号进行波形分析处理，同时将回波信号转换为二维图像；

所述超声相控阵检测系统输出端与所述缺陷识别系统输入端连接，所述缺陷识别系统用于提取二维图像特征，识别待测工件缺陷类型。

2.根据权利要求1所述的基于相控阵超声波成像技术对高压电缆铅封质量检测系统，其特征在于：所述探头耦合装置（10）包括铝壳（110），所述铝壳（110）底端为弧形结构，所述铝壳（110）顶端两侧均设置有注水孔（120），所述铝壳（110）底端中间位置设置有硅橡胶薄膜（130），所述注水孔（120）穿过所述铝壳（110）与所述硅橡胶薄膜（130）内端保持连通，所述相控阵探头（20）位于所述铝壳（110）顶端两所述注水孔（120）之间。

3.根据权利要求1所述的基于相控阵超声波成像技术对高压电缆铅封质量检测系统，其特征在于：所述超声相控阵主机包括回波信号延时模块，所述回波信号延时模块用于对获得的所有阵元的回波信号进行延时处理，所述回波信号延时模块输出端连接有回波信号叠加模块，所述回波信号叠加模块用于对回波信号进行叠加处理。

4.根据权利要求1所述的基于相控阵超声波成像技术对高压电缆铅封质量检测系统，其特征在于：所述缺陷识别系统包括缺陷图像集存储模块，所述缺陷图像集存储模块用于存储各种类型的缺陷图像，所述缺陷图像集存储模块输出端连接有数据集分类模块，所述数据集分类模块根据缺陷图像类型，对各种缺陷图像进行分类处理，所述数据集分类模块输出端连接缺陷特征学习模块，所述缺陷特征学习模块对存储的缺陷图像进行样本训练和测试，所述缺陷特征学习模块输出端连接有缺陷类型预测模块，所述缺陷类型预测模块用于比对当前所得样本缺陷图像以及存储得缺陷图像样本，预测当前所得样本缺陷图像得类型，所述缺陷类型预测模块输出端连接有缺陷类型输出模块。

5.根据权利要求4所述的基于相控阵超声波成像技术对高压电缆铅封质量检测系统，其特征在于：所述缺陷特征学习模块采用卷积神经网络，卷积神经网络用于制定模型整体框架，通过卷积运算、激活函数的选择、池化过程和全连接层建立模型，使用建立的模型对采集的铅封缺陷图像进行训练和测试，建立基于卷积神经网络的铅封缺陷识别模型。

6.根据权利要求5所述的基于相控阵超声波成像技术对高压电缆铅封质量检测系统，其特征在于：所述卷积神经网络采用卷积神经网络图像识别算法，其算法步骤如下：

步骤一、第k-1层的特征图谱与卷积层中的卷积核通过卷积运算得到第K层的特征图谱；

步骤二、积核将K-1层中每个小区域的特征信息提取并集中到K层中一个小点上，在卷积层之后添加一个激活层，提取图像包含的线性特征；

步骤三、第K层的网络中的特征图数量由第K-1层特征映射计算得到。

7.根据权利要求5所述的基于相控阵超声波成像技术对高压电缆铅封质量检测系统，其特征在于：所述全连接层将提取的检测试样特征进行组织综合，对目标位置进行寻找，同时采用Softmax回归将网络输出转化为跟类别相关的概率分布。

8.根据权利要求7所述的基于相控阵超声波成像技术对高压电缆铅封质量检测系统，其特征在于：所述Softmax 回归的输出表示为：

；

其中w为权重矩阵，b是偏置值，O为最终输出。

9.根据权利要求5所述的基于相控阵超声波成像技术对高压电缆铅封质量检测系统，其特征在于：所述池化过程包括最大池化、平均池化和随机池化，池化层会周期性的插入到相连的卷积层之间，池化层的用于把图像相似的特征集合起来。

10.根据权利要求4所述的基于相控阵超声波成像技术对高压电缆铅封质量检测系统，其特征在于：所述缺陷特征学习模块存储的缺陷图像进行样本训练和测试的步骤如下：

S1、向输入层输入一个224x224像素大小的铅封超声图像样本图；

S2、第一层采用7x7大小的卷积核分别对输入的铅封超声图像进行卷积处理，滑动步长为2，通道为64，卷积后得到64各112x112像素大小的二维特征图；

S3、卷积后进行ReLU操作，经过步进为2，卷积核为3x3的最大池化操作，输出64个56x56像素大小的二维特征图谱；

S4、重复S2以及S3，得到256个28x28的二维特征图谱；

S5、对最终输出的铅封缺陷二维图像矩阵进一步转化处理，全连接层的输入节点为200704个；

S6、全连接层为两层，均采用512个神经元；

S7、输出层一共有四个神经元，全连接层中的512个神经元都与输出层四个神经元进行全连接分类。

Images