CN116297835A - 一种用于检测电缆老化的超声波检测装置及方法 - Google Patents
一种用于检测电缆老化的超声波检测装置及方法 Download PDFInfo
- Publication number
- CN116297835A CN116297835A CN202310116635.7A CN202310116635A CN116297835A CN 116297835 A CN116297835 A CN 116297835A CN 202310116635 A CN202310116635 A CN 202310116635A CN 116297835 A CN116297835 A CN 116297835A
- Authority
- CN
- China
- Prior art keywords
- cable
- ultrasonic
- image
- image set
- neural network
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 230000032683 aging Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012360 testing method Methods 0.000 claims abstract description 57
- 238000013528 artificial neural network Methods 0.000 claims abstract description 54
- 230000007547 defect Effects 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000009413 insulation Methods 0.000 claims description 23
- 238000002604 ultrasonography Methods 0.000 claims description 16
- 230000015556 catabolic process Effects 0.000 claims description 8
- 238000006731 degradation reaction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 238000011065 in-situ storage Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 26
- 230000000694 effects Effects 0.000 abstract description 6
- 238000001914 filtration Methods 0.000 description 13
- 230000007797 corrosion Effects 0.000 description 6
- 238000005260 corrosion Methods 0.000 description 6
- 230000007774 longterm Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 239000002585 base Substances 0.000 description 4
- 229920000915 polyvinyl chloride Polymers 0.000 description 4
- 239000004800 polyvinyl chloride Substances 0.000 description 4
- 239000004020 conductor Substances 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 239000004698 Polyethylene Substances 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000009970 fire resistant effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- -1 polyethylene Polymers 0.000 description 2
- 229920000573 polyethylene Polymers 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000011241 protective layer Substances 0.000 description 2
- RNFJDJUURJAICM-UHFFFAOYSA-N 2,2,4,4,6,6-hexaphenoxy-1,3,5-triaza-2$l^{5},4$l^{5},6$l^{5}-triphosphacyclohexa-1,3,5-triene Chemical compound N=1P(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP=1(OC=1C=CC=CC=1)OC1=CC=CC=C1 RNFJDJUURJAICM-UHFFFAOYSA-N 0.000 description 1
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 229920003020 cross-linked polyethylene Polymers 0.000 description 1
- 239000004703 cross-linked polyethylene Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002500 effect on skin Effects 0.000 description 1
- 239000003063 flame retardant Substances 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000012434 pretzels Nutrition 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4481—Neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
- G01N2291/0234—Metals, e.g. steel
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Acoustics & Sound (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及一种用于检测电缆老化的超声波检测装置及方法,本发明通过记录电缆测试数据评估电缆外表面老化情况,通过第二神经网络模块识别电缆内部和外部的故障情况生成电缆图像集分析结果,并以电缆测试数据和电缆图像集分析结果为依据,通过电缆质量检测模块为电缆老化情况得出评估分数,规范了电缆老化的评估标准,使电缆老化情况更加清晰明确,电缆老化检测结果更加准确合理。本发明通过第一神经网络模块对超声设备拍摄的电缆超声图像的质量进行审核,避免由于拍摄存在缺陷的问题影像第二神经网络模块的识别效果。
Description
技术领域
本发明涉及超声波检测技术领域,尤其涉及一种用于检测电缆老化的超声波检测装置及方法。
背景技术
电缆通常是由几根或几组导线(每组至少两根)绞合而成的类似绳索的电缆,每组导线之间相互绝缘,并常围绕着一根中心扭成,整个外面包有高度绝缘的覆盖层。电缆具有内通电,外绝缘的特征。电缆有电力电缆、控制电缆、补偿电缆、屏蔽电缆、高温电缆、计算机电缆、信号电缆、同轴电缆、耐火电缆、船用电缆、矿用电缆、铝合金电缆等等。它们都是由单股或多股导线和绝缘层组成,用来连接电路、电器等;现有电缆检测采用人工观察检测的方法评估电缆老化情况,不能检测电缆内部故障情况的同时也没有合理的电缆评估标准。
发明内容
针对现有技术存在的问题,本发明提供了一种高效、准确检测电缆老化情况的的一种用于检测电缆老化的超声波检测装置及方法。
本发明采用如下技术方案:
第一方面,一种用于检测电缆老化的超声波检测方法,方法包括以下步骤:
步骤S1,通过超声设备检测电缆;采集电缆超声图像,对电缆超声图像进行去噪处理,获取初始电缆图像集;
步骤S2,确定初始电缆图像集中电缆超声图像的缺陷情况,并生成目标电缆图像集;
步骤S3,对目标电缆图像集中的电缆超声图像的特征进行识别和分析,获取目标电缆图像集分析结果;
步骤S4,对电缆质量进行质量检测生成电缆测试数据,以电缆测试数据和目标电缆图像集分析结果为依据,对电缆老化情况进行评估。
进一步的,所述步骤S2中确定初始电缆图像集中电缆超声图像的缺陷情况,并生成目标电缆图像集的方法如下:
通过多组具有拍摄缺陷的图像,训练获取第一神经网络模块,其中具有拍摄缺陷的图像包括:拍摄缺陷样本图像以及拍摄缺陷类别标签;
将初始电缆图像集输入至第一神经网络模块中;其中所述初始电缆图像集包括多个连续的电缆超声图像;
S21、将初始电缆图像集输入至第一神经网络模块中;其中所述初始电缆图像集包括多个连续的电缆超声图像;
S22、通过第一神经网络模块准备判断第一张电缆超声图像;
S23、判断当前电缆超声图像是否存在拍摄缺陷;若存在,则删除该电缆超声图像;否则将该电缆超声图像保存到目标电缆图像集中;
S24、判断所有电缆超声图像是否全部判断完成,若否则返回步骤S21继续判断下一张电缆超声图像;否则执行步骤S25;
S25、通过第一神经网络模块判断目标电缆图像集中的电缆超声图像的数量占输入第一神经网络模块的电缆超声图像总数的百分比是否达到设定值,若未达到则输出电缆超声图像不符合要求,返回步骤S1重新获取初始电缆图像集,否则输出目标电缆图像集。
进一步的,所述步骤S3中对目标电缆图像集中的电缆超声图像的特征进行识别和分析,进一步包括以下步骤:
利用故障的超声波电缆图像训练得到第二神经网络模块,其中故障的超声波电缆图像包括:电缆故障样本图像以及电缆故障类别标签;
将目标电缆图像集中的电缆超声图像输入至第二神经网络模块中,针对目标电缆图像集中每张电缆超声图像均输出电缆故障种类以及该故障对应的概率,并框选出电缆故障的位置,生成目标电缆图像集分析结果。
进一步的,所述步骤S4中,对电缆质量进行质量检测的方法如下:
S41、构建电缆数据库;
S42、获取待检测区域内各电缆的电缆基础参数并录入电缆数据库中;
S43、现场测试电缆,生成电缆测试数据,将电缆测试数据和电缆图像集分析结果输入质量检测模块中获取电缆质量得分;
S44、根据电缆质量得分评估电缆的老化程度。
进一步的,所述电缆基础参数包括电缆型号、允许载流量以及绝缘层厚度。
进一步的,所述现场测试电缆,生成电缆测试数据包括:
分别记录电缆的使用时间、电缆外表面光泽程度和硬度,随后测试电缆绝缘电阻;
依次将电缆的使用时间、电缆外表面光泽程度和硬度以及电缆绝缘电阻录入电缆数据库中,电缆数据库生成电缆测试数据。
第二方面,本发明提供了一种用于检测电缆老化的超声波检测装置,其特征在于,包括超声设备,第一神经网络模块、第二神经网络模块、质量检测模块、电缆数据库;
所述超声设备用于采集电缆超声图像;
所述第一神经网络模块用于筛选初始电缆图像集中存在拍摄缺陷的图像;
所述第二神经网络模块用于判断电缆是否发生故障;
所述质量检测模块用于以电缆质量检测结果和目标电缆图像集分析结果为依据评估电缆质量
所述电缆数据库用于存储电缆基础数据和电缆测试数据。
进一步的,还包括去噪模块,所述去噪模块用于使电缆超声图像更加清晰,便于第二神经网络模块识别故障。
第三方面,本发明提供一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面任一种可能的实现方式所述方法的步骤。
第四方面,本发明的另一目的在于提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一种可能的实现方式所述方法的步骤。
与现有技术相比,本发明的有益效果是:
针对上述现有技术存在的技术问题以及解决该问题的难度,紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等,详细、深刻地分析本发明技术方案如何解决的技术问题,解决问题之后带来的一些具备创造性的技术效果,具体内容如下:
1、本发明通过记录电缆测试数据评估电缆外表面老化情况,通过第二神经网络模块识别电缆内部和外部的故障情况生成目标电缆图像集分析结果,并以电缆测试数据和目标电缆图像集分析结果为依据,通过电缆质量检测模块为电缆老化情况得出评估分数,规范了电缆老化的评估标准,使电缆老化情况更加清晰明确,电缆老化检测结果更加准确合理。
2、本发明设置去噪模块处理电缆超声图像,使其更加清晰,增加故障识别的准确性。
3、本发明通过第一神经网络模块对超声设备拍摄的电缆超声图像的质量进行审核,避免由于拍摄存在缺陷的问题影像第二神经网络模块的识别效果。
4、本发明记录电缆基础参数以及电缆测试数据,通过电缆基础参数初步评判电缆的耐用程度,通过电缆测试数据初步评估电缆老化程度,最后根据质量检测模块的电缆评估分数对电缆老化情况得到最终确定,将电缆基础参数与电缆评估分数进行比对,能够清楚评判出哪种电缆更加耐用并为以后电缆选型提供数据支撑。
附图说明
图1是本发明中一种用于检测电缆老化的超声波检测方法流程图。
图2是本发明中确定初始电缆图像集中电缆超声图像的缺陷情况方法流程图。
图3是本发明中对电缆质量进行质量检测生成电缆测试数据并电缆老化情况进行评估方法流程图。
图4是本发明实施例中一种用于检测电缆老化的超声波检测装置结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白。以下结合附图及实施例,对本发明进行进一步详细说明。
实施例1:
一种用于检测电缆老化的超声波检测方法,其特征在于,方法包括以下步骤:
步骤S1,通过超声设备检测电缆;采集电缆超声图像,对电缆超声图像进行去噪处理,获取初始电缆图像集;
步骤S2,确定初始电缆图像集中电缆超声图像的缺陷情况,并生成目标电缆图像集。
步骤S3,对目标电缆图像集中的电缆超声图像的特征进行识别和分析,获取目标电缆图像集分析结果;
步骤S4,对电缆质量进行质量检测生成电缆测试数据,以电缆测试数据和目标电缆图像集分析结果为依据,对电缆老化情况进行评估。
更为具体的,去噪是图像处理中重要的一步,具体的方法可以是均值滤波,高斯滤波、中值滤波、双边滤波中一种或几种。在本实施例中的去噪方法采用现有技术中的中值滤波法,通常情况下对受到噪声污染的图像可以采用线性滤波的方法来处理,但是很多线性滤波有低通性,在去噪声的同时也使得边缘信息被模糊了。因此某些情况下中值滤波法可以做到既能去除噪声又能保护图像的边缘,是一种非线性的去除噪声的方法。中值滤波的实现原理是把数字图像中某一点的值用该点所在的一个区域内的各个点的值的中值代替。中值滤波相较于均值滤波在去除噪声的同时更多地保留了图像的细节。中值滤波处理对滤除脉冲噪声比较有效。脉冲噪声也称椒盐噪声,是图像中经常见到的一种噪声,它是一种随机出现的白点或者黑点,可能是在亮的区域有黑色像素或是在暗的区域有白色像素(或是两者皆有)。
本实施例中,超声波是指振动频率大于20KHz以上的声波,它在介质中传播,遇到声阻抗不同的异质界面(如缺陷或被探测物等)就会产生反射和透射,传播过程中有散射,衰减等。通过接收反射波和透射波,提取其有用信息来进行超声探测与成像,其中常用的信息是幅度和频率。黑白超声是根据超声成像的原理来分析,超声其实是根据不同的物质,对超声能量反射的大小,经过计算机的一个模拟处理,而形成的一个图像,当介质密度高,将超声能量反射得多,那么图像上就显示的很白。而介质密度不够高的时候,能量反射的少,图像上显示的就是黑,这就是我们常说的黑白超声影像。
步骤S2中确定初始电缆图像集中电缆超声图像的缺陷情况,并生成目标电缆图像集的方法如下:
通过多组具有拍摄缺陷的图像,训练获取第一神经网络模块;其中具有拍摄缺陷的图像包括:拍摄缺陷样本图像以及拍摄缺陷类别标签;
更为具体的,由于电缆过长,需要按照电缆长度划分拍摄区域分别进行拍摄,在拍摄每个区域的电缆时,需要拍摄该区域内的电缆的全貌,如果只拍到局部,则该照片不具备代表性,会影像后续对电缆故障的分析工作,因此在本实施例中拍摄缺陷的图像是指拍摄到了电缆局部,或者在拍摄时存在异物遮挡或者拍摄时抖动出现拍摄不清晰情况。
更为具体的,拍摄缺陷标签包括:画面不清晰,异物遮挡以及拍摄不完整。
更为具体的,本实施例第一神经网络模块的算法采用现有技术中Faster-RCNN算法。
S21、将初始电缆图像集输入至第一神经网络模块中;其中初始电缆图像集包括多个连续的电缆超声图像;
S22、通过第一神经网络模块准备判断第一张电缆超声图像;
S23、判断当前电缆超声图像是否存在拍摄缺陷;若存在,则删除该电缆超声图像;否则将该电缆超声图像保存到目标电缆图像集中;
S24、判断所有电缆超声图像是否全部判断完成,若否则返回步骤S21继续判断下一张电缆超声图像;否则执行步骤S25;
S25、通过第一神经网络模块判断目标电缆图像集中的电缆超声图像的数量占输入第一神经网络模块的电缆超声图像总数的百分比是否达到设定值,若未达到则输出电缆超声图像不符合要求,返回步骤S1重新获取初始电缆图像集,否则输出目标电缆图像集。
步骤S3中对目标电缆图像集中的电缆超声图像的特征进行识别和分析,进一步包括以下步骤:
利用故障的超声波电缆图像训练得到第二神经网络模块,其中故障的超声波电缆图像包括:电缆故障样本图像以及电缆故障类别标签;
更为具体的,本实施例第二神经网络模块的算法也采用现有技术中Faster-RCNN算法。
将目标电缆图像集中的电缆超声图像输入至第二神经网络模块中;
针对目标电缆图像集中每张电缆超声图像均输出电缆故障种类以及该故障对应的概率,并框选出电缆故障的位置,生成目标电缆图像集分析结果。
更为具体的,电缆故障种类包括:外力作用损害、绝缘受潮、化学腐蚀、长期过负载运作;
外力作用损害:因机械设备损害造成。例如:电缆铺设安裝时不标准施工,非常容易导致机械设备损害;在直埋电缆上搞土建工程也非常容易将运作中的电缆损害等。有时候假如损害不严重,要好多几个月乃至几年才会导致损害位置完全击穿产生故障,有时毁坏比较严重的可能发生短路故障,严重损害设备。
绝缘受潮:这样的事情也很普遍,一般发生在直埋或排管里的电缆接头处。例如:电缆接头制作不过关与在湿冷的气侯条件下做连接头,会使连接头漏水或渗入水蒸气,慢慢危害电缆的绝缘抗压强度而导致故障。
化学腐蚀:电缆直接埋在有强酸强碱作用的地域,通常会导致电缆的铠装、铅皮或外护层被腐蚀,保护层因长期性遭到化学腐蚀或电解腐蚀,导致保护层无效,绝缘减少,也就会造成电缆故障。
长期过负载运作:长期过负载运作时电流的热效应,负荷电流量经过电缆时必定造成导体发烫,另外电荷的集肤效应及其钢铠的涡流损耗、绝缘介质损耗也会产生额外发热量,进而使电缆温度上升。长期性过载运作时,过高的温度会加快绝缘的老化,严重时绝缘层发生会严重形变,以致绝缘被击穿。特别是在酷热的夏天,电缆的温升经常造成电缆绝缘薄弱处最先被击穿,因而在夏天,电缆的常见故障也就非常多。
本发明设置去噪模块处理电缆超声图像,使其更加清晰,增加故障识别的准确性。
本发明通过第一神经网络模块对超声设备拍摄的电缆超声图像的质量进行审核,避免由于拍摄存在缺陷的问题影像第二神经网络模块的识别效果。
步骤S4中,对电缆质量进行质量检测的方法如下:
S41、构建电缆数据库;
S42、获取待检测区域内各电缆的电缆基础参数并录入电缆数据库中;
S43、现场测试电缆,生成电缆测试数据,将电缆测试数据和电缆图像集分析结果输入质量检测模块中获取电缆质量得分;
S44、根据电缆质量得分评估电缆的老化程度。
电缆基础参数包括电缆基础参数包括电缆型号、允许载流量以及绝缘层厚度以及其他等影响电缆质量的参数。其中电缆型号主要包括用途代码、绝缘代码、导体材料代码、内护层代码、派生代码、外护层代码、内芯截面积、电缆芯数。用于识别电缆基础数据。其中:
用途代码为:不标识为电力电缆,K为控制缆,P为信号缆。
绝缘代码为:油浸纸,X橡胶,V聚氯乙烯,YJ交联聚乙烯,Y聚乙烯。
导体材料代码为:不标注为铜,L为铝。
内护层代码为:Q铅包,L铝包,H橡套,V聚氯乙烯护套内护套一般不标识。
派生代码为:D不滴流,P干绝缘。
外护层代码为:V聚氯乙烯,Y聚乙烯电力电缆,控制电缆有外护套表示,橡套电缆基本没有外护套表示。
特殊产品代码为:TH湿热带,TA干热带;,ZR-(阻燃)、NH-(耐火)、WDZ-(低烟无卤、企业标准)
额定电压为:单位KV。
现场测试电缆,生成电缆测试数据包括:
记录电缆的使用时间、电缆外表面光泽程度、硬度;测试电缆绝缘电阻;
依次将电缆的使用时间、电缆外表面光泽程度、硬度,电缆绝缘电阻录入电缆数据库中,电缆数据库生成电缆测试数据。
一种用于检测电缆老化的超声波检测装置:包括超声设备,第一神经网络模块、第二神经网络模块、质量检测模块、电缆数据库;
超声设备用于采集电缆超声图像;
第一神经网络模块用于筛选初始电缆图像集中存在拍摄缺陷的图像;
第二神经网络模块用于判断电缆是否发生故障;
质量检测模块用于以电缆质量检测结果和目标电缆图像集分析结果为依据评估电缆质量;电缆数据库用于存储电缆基础数据和电缆测试数据。
还包括去噪模块,去噪模块用于使电缆超声图像更加清晰,便于第二神经网络模块识别故障。
实施例2:
本发明具体实施过程如下:
按照电缆长度划分拍摄区域,使用超声设备分别对各区域内的电缆进行拍摄,本实施例中采集的电缆为一根完整的待测电缆,采集电缆超声图像,使用中值滤波算法对电缆图像进行去噪处理,生成初始电缆图像集。
将初始电缆图像集输入第一神经网络模块,并准备判断第一张电缆超声图像;通过第一神经网络模块开始判断当前电缆超声图像是否存在拍摄缺陷;若存在,则删除该电缆超声图像;否则将该电缆超声图像保存到目标电缆图像集中;
判断所有电缆超声图像是否全部判断完成,若否则继续判断下一张电缆超声图像;否则判断目标电缆图像集中的电缆超声图像的数量占输入第一神经网络模块的电缆超声图像总数的百分比是否达到设定值,若未达到则输出电缆超声图像不符合要求,需要重新通过超声设备检测电缆;采集电缆超声图像,对电缆超声图像进行去噪处理,获取初始电缆图像集,否则输出目标电缆图像集。
设定第一神经网络模块中的设定值为90%,通过第一神经网络模块判断目标电缆图像集中的电缆超声图像的数量占输入第一神经网络模块的电缆超声图像总数的百分比是否达到设定值,若未达到则输出电缆超声图像不符合要求,返回步骤S1重新采集电缆超声图像,否则输出目标电缆图像集。
将目标电缆图像集中的电缆超声图像输入至第二神经网络模块中,生成目标电缆图像集分析结果,其中目标电缆图像分析结果包括:
1)目标电缆图像集中每张电缆超声图像的故障识别结果,其中故障识别结果包括标注故障位置的方形框、故障类型以及对应故障的概率。
2)目标电缆图像集的故障汇总表,包括所有故障类别以及每种故障的最大概率。
构建电缆数据库,获取待检测区域内各电缆的电缆基础参数并录入电缆数据库中;
现场测试待测电缆,记录电缆的使用时间、电缆外表面光泽程度、硬度,测试电缆绝缘电阻;
依次将电缆的使用时间、电缆外表面光泽程度、硬度,电缆绝缘电阻录入电缆数据库中,电缆数据库生成电缆测试数据。
将电缆测试数据和电缆图像集分析结果输入质量检测模块中获取电缆质量得分;
电缆测试数据分数评估方法如下:
电缆的使用时间评估分数等于电缆使用的年数,当电缆的使用时间大于二十年时,评估分数为20分;即电缆使用年限为五年,则评估分数为5,即电缆使用年限为十五年,则评估分数为15,电缆使用年限为二十三年,则评估分数为20分.
电缆表面光泽程度评估分数上限为5分,电缆表面光泽度越低则分数越高;
电缆表面硬度评估分数上限为5分,电缆表面僵硬程度越大则分数越高;
电缆绝缘电阻评估分数上限为5分,电缆绝缘电阻越大则分数越高。
电缆图像集分析结果分数评估方法如下:故障类型以及对应故障的概率。
共外力作用损害、绝缘受潮、化学腐蚀以及长期过负载运作四种故障,每种故障评估分数上限为15分。
Qzl=Qz-Qcs-Qfx
其中Qzl为电缆质量得分,Qz为电缆质量总分,Qcs为电缆测试数据评估分数总和,Qfx为电缆图像集分析结果评估分数总和。在本实时例中Qz的值为100。Qzl的值越小,电缆老化程度越高。
其中Qcs=Y+L+D+J
Y为电缆使用时间评估分数,L为电缆表面光泽程度评估分数,D为电缆表面硬度评估分数,J为电缆绝缘电阻评估分数
Qfx=15×(Gwl+Gsc+Gfs+Ggz)
其中Gwl为外力作用损害对应故障的概率,Gsc为绝缘受潮对应故障的概率,Gfs为化学腐蚀对应故障的概率,Ggz为长期过负载运作对应故障的概率,并且Gwl、Gsc、Gfs、Ggz的值均在0%~100%之间。
本发明记录电缆基础参数以及电缆测试数据,通过电缆基础参数初步评判电缆的耐用程度,通过电缆测试数据初步评估电缆老化程度,最后根据质量检测模块的电缆评估分数对电缆老化情况得到最终确定,将电缆基础参数与电缆评估分数进行比对,能够清楚评判出哪种电缆更加耐用,为以后电缆选型提供数据支撑。
本发明通过记录电缆测试数据评估电缆外表面老化情况,通过第二神经网络模块识别电缆内部和外部的故障情况生成电缆图像集分析结果,并以电缆测试数据和电缆图像集分析结果为依据,通过电缆质量检测模块为电缆老化情况得出评估分数,规范了电缆老化的评估标准,使电缆老化情况更加清晰明确,电缆老化检测结果更加准确合理。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种用于检测电缆老化的超声波检测方法,其特征在于,方法包括以下步骤:
步骤S1,通过超声设备检测电缆;采集电缆超声图像,对电缆超声图像进行去噪处理,获取初始电缆图像集;
步骤S2,确定初始电缆图像集中电缆超声图像的缺陷情况,并生成目标电缆图像集;
步骤S3,对目标电缆图像集中的电缆超声图像的特征进行识别和分析,获取目标电缆图像集分析结果;
步骤S4,对电缆质量进行质量检测生成电缆测试数据,以电缆测试数据和目标电缆图像集分析结果为依据,对电缆老化情况进行评估。
2.根据权利要求1所述一种用于检测电缆老化的超声波检测方法,其特征在于:所述步骤S2中确定初始电缆图像集中电缆超声图像的缺陷情况,并生成目标电缆图像集的方法如下:
本方法应用于第一神经网络模块,通过多组具有拍摄缺陷的图像,训练获取第一神经网络模块,其中具有拍摄缺陷的图像包括:拍摄缺陷样本图像以及拍摄缺陷类别标签;
S21、将初始电缆图像集输入至第一神经网络模块中;其中所述初始电缆图像集包括多个连续的电缆超声图像;
S22、准备判断第一张电缆超声图像;
S23、判断当前电缆超声图像是否存在拍摄缺陷;若存在,则删除该电缆超声图像;否则将该电缆超声图像保存到目标电缆图像集中;
S24、判断所有电缆超声图像是否全部判断完成,若否则返回步骤S21继续判断下一张电缆超声图像;否则执行步骤S25;
S25、判断目标电缆图像集中的电缆超声图像的数量占输入第一神经网络模块的电缆超声图像总数的百分比是否达到设定值,若未达到则输出电缆超声图像不符合要求,返回步骤S1重新获取初始电缆图像集,否则输出目标电缆图像集。
3.根据权利要求1所述一种用于检测电缆老化的超声波检测方法,其特征在于:所述步骤S3中对目标电缆图像集中的电缆超声图像的特征进行识别和分析,进一步包括以下步骤:
利用故障的超声波电缆图像训练得到第二神经网络模块,其中故障的超声波电缆图像包括,电缆故障样本图像以及电缆故障类别标签;
将目标电缆图像集中的电缆超声图像输入至第二神经网络模块中,针对目标电缆图像集中每张电缆超声图像均输出电缆故障种类以及该故障对应的概率,并框选出电缆故障的位置,生成目标电缆图像集分析结果。
4.根据权利要求1所述一种用于检测电缆老化的超声波检测方法,其特征在于:所述步骤S4中,对电缆质量进行质量检测的方法如下:
步骤S41、构建电缆数据库;
步骤S42、获取待检测区域内各电缆的电缆基础参数并录入电缆数据库中;
步骤S43、现场测试电缆,生成电缆测试数据,将电缆测试数据和电缆图像集分析结果输入质量检测模块中获取电缆质量得分;
S44、根据电缆质量得分评估电缆的老化程度。
5.根据权利要求4所述一种用于检测电缆老化的超声波检测方法,其特征在于:所述电缆基础参数包括电缆型号、允许载流量以及绝缘层厚度。
6.根据权利要求4所述一种用于检测电缆老化的超声波检测方法,其特征在于:所述步骤S43中现场测试电缆,生成电缆测试数据包括:
分别记录电缆的使用时间、电缆外表面光泽程度和硬度,随后测试电缆绝缘电阻;
依次将电缆的使用时间、电缆外表面光泽程度和硬度以及电缆绝缘电阻录入电缆数据库中,电缆数据库生成电缆测试数据。
7.一种用于检测电缆老化的超声波检测装置,其特征在于,包括超声设备,第一神经网络模块、第二神经网络模块、质量检测模块、电缆数据库;
所述超声设备用于采集电缆超声图像;
所述第一神经网络模块用于筛选初始电缆图像集中存在拍摄缺陷的图像;
所述第二神经网络模块用于判断电缆是否发生故障;
所述质量检测模块用于以电缆质量检测结果和目标电缆图像集分析结果为依据评估电缆质量;
所述电缆数据库用于存储电缆基础数据和电缆测试数据。
8.根据权利要求7所述一种用于检测电缆老化的超声波检测装置,其特征在于:还包括去噪模块,所述去噪模块用于使电缆超声图像更加清晰,便于第二神经网络模块识别故障。
9.一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310116635.7A CN116297835A (zh) | 2023-02-15 | 2023-02-15 | 一种用于检测电缆老化的超声波检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310116635.7A CN116297835A (zh) | 2023-02-15 | 2023-02-15 | 一种用于检测电缆老化的超声波检测装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116297835A true CN116297835A (zh) | 2023-06-23 |
Family
ID=86836960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310116635.7A Pending CN116297835A (zh) | 2023-02-15 | 2023-02-15 | 一种用于检测电缆老化的超声波检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116297835A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117309624A (zh) * | 2023-11-30 | 2023-12-29 | 天津天大求实电力新技术股份有限公司 | 一种感温电缆性能评价方法及系统 |
CN118130972A (zh) * | 2024-05-07 | 2024-06-04 | 南京淳畅电子科技有限公司 | 通信电缆数据管理方法及装置 |
CN118373113A (zh) * | 2024-03-08 | 2024-07-23 | 常州一利智能科技有限公司 | 一种基于云平台的仓储管理方法 |
-
2023
- 2023-02-15 CN CN202310116635.7A patent/CN116297835A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117309624A (zh) * | 2023-11-30 | 2023-12-29 | 天津天大求实电力新技术股份有限公司 | 一种感温电缆性能评价方法及系统 |
CN117309624B (zh) * | 2023-11-30 | 2024-02-06 | 天津天大求实电力新技术股份有限公司 | 一种感温电缆性能评价方法及系统 |
CN118373113A (zh) * | 2024-03-08 | 2024-07-23 | 常州一利智能科技有限公司 | 一种基于云平台的仓储管理方法 |
CN118130972A (zh) * | 2024-05-07 | 2024-06-04 | 南京淳畅电子科技有限公司 | 通信电缆数据管理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116297835A (zh) | 一种用于检测电缆老化的超声波检测装置及方法 | |
CN108225906B (zh) | 基于计算机视觉的拉索腐蚀监测识别与疲劳寿命评估方法 | |
US20130113914A1 (en) | System and Method for Automated Borescope Inspection User Interface | |
US11712758B2 (en) | Automated inspection and verification of electric motor weld quality | |
CN108919057B (zh) | 一种对电缆故障诊断中插损问题的处理方法 | |
Lee et al. | Detection and assessment of I&C cable faults using time–frequency R-CNN-based reflectometry | |
CN114839269B (zh) | Gis固体绝缘件内部缺陷应力无损检测方法及装置 | |
CN111060512A (zh) | 智能缺陷识别系统 | |
CN117890696A (zh) | 一种高压电缆缺陷识别方法、设备及存储介质 | |
CN110568083A (zh) | 一种针对钢材腐蚀疲劳损伤在线监测的声发射检测方法 | |
CN113311064A (zh) | 一种电缆接头铅封部位脉冲涡流检测方法及系统 | |
CN116958905A (zh) | 输电线路故障监测方法、系统、介质及设备 | |
CN116140238A (zh) | 一种针对电池极耳缺陷进行检测的方法 | |
CN116338391A (zh) | 一种绝缘子状态检测方法、装置、电子设备以及介质 | |
CN116540145A (zh) | 一种聚合物绝缘子界面的检测方法及装置 | |
CN113945810B (zh) | 电缆终端头绝缘缺陷的检测方法、装置、终端及存储介质 | |
Hernandez-Mejia | Time Domain Reflectometry (TDR) | |
CN113985226A (zh) | 电缆处理方法和系统 | |
CN117809083B (zh) | 一种基于红外或紫外图像的电缆接头故障检测方法及系统 | |
Ostendorp | Assessing the integrity and remaining service life of vintage high voltage ceramic insulators | |
Steiner et al. | Partial discharges in low-voltage cables | |
CN110794257A (zh) | 基于失效故障树方法的输电线路导线断股原因分析方法 | |
Topp et al. | How can NDT 4.0 improve the Probability of Detection (POD)? | |
JP2010019561A (ja) | 欠陥検査装置および欠陥検査方法 | |
CN116222794A (zh) | 电缆异常检测方法、装置、存储介质及设备 |
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 |