CN117129491B - 一种基于x射线的gis设备缺陷检测方法及系统 - Google Patents
一种基于x射线的gis设备缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN117129491B CN117129491B CN202311212467.8A CN202311212467A CN117129491B CN 117129491 B CN117129491 B CN 117129491B CN 202311212467 A CN202311212467 A CN 202311212467A CN 117129491 B CN117129491 B CN 117129491B
- Authority
- CN
- China
- Prior art keywords
- defect
- gis equipment
- gis
- module
- ray
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 297
- 238000001514 detection method Methods 0.000 title claims abstract description 95
- 238000011156 evaluation Methods 0.000 claims abstract description 50
- 238000004891 communication Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 230000002159 abnormal effect Effects 0.000 claims description 27
- 238000013145 classification model Methods 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 25
- 230000002950 deficient Effects 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 230000032683 aging Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000007637 random forest analysis Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000011960 computer-aided design Methods 0.000 description 26
- 238000003384 imaging method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000011511 automated evaluation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000000825 ultraviolet detection Methods 0.000 description 1
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
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及GIS设备X射线检测技术领域,尤指一种基于X射线的GIS设备缺陷检测方法及系统。所述基于X射线的GIS设备缺陷检测系统包含:X射线机、X射线机方位调整支架、数字平板探测仪和GIS设备缺陷评估装置,所述数字平板探测仪与所述GIS设备缺陷评估装置无线通信连接;所述GIS设备缺陷评估装置包括:数据获取模块、预处理模块、特征提取模块、缺陷检测和分类模块、缺陷定位模块和缺陷评估模块。本发明在对GIS设备进行检测时,可以全方位调整X射线机的位置,同时,可以对GIS设备的X射线图像进行分析与评估,并生成GIS设备缺陷报告,从而提高GIS设备缺陷检测的效率和准确性。
Description
技术领域
本发明涉及GIS设备X射线检测技术领域,尤指一种基于X射线的GIS设备缺陷检测方法及系统。
背景技术
气体绝缘金属封闭开关设备(GIS)在电网中被广泛的应用。目前在气体绝缘金属封闭开关设备检测方法中,多采用电力设备无损检测,主要包括射线检测、红外紫外检测、超声检测、振动声学检测等。
其中,X射线检测的使用较为广泛,将X射线成像技术应用到气体绝缘金属封闭开关设备的检测中,提高了检测的准确性。随着X射线在气体绝缘金属封闭开关设备检测中的广泛应用,人们对其使用要求越来越高;因此,对X射线机在三维空间内进行调整以及对检测到的X射线图像进行自动化评估的需求更加迫切。
专利号为CN202946857U,公开了一种GIS设备X射线数字成像装置全方位调整支架,请参阅图1所示,其包括移动小车、竖向支撑杆以及横向支撑杆;移动小车上开设有滑槽;所述竖向支撑杆包括位于下部的与滑槽配套设置的滑动支座以及设于滑动支座上方并与其连接的第一杠杆支架;横向支撑杆包括连接于第一杠杆支架上端的支撑套筒以及设于支撑套筒两端的第二杠杆支架和第三杠杆支架;在第三杠杆支架端头设有配重块,在第三杠杆支架端头设有GIS设备X射线数字成像装置(即:X射线机)。该调整支架在对GIS设备进行检测时,X射线数字成像装置可以实现全方位调整,进而可以方便的完成对GIS设备的检测。然而,该专利并未公开如何对检测到的X射线图像进行自动化评估。
发明内容
为解决上述问题,本发明提供一种基于X射线的GIS设备缺陷检测方法及系统,其能够同时实现对X射线机在三维空间内进行调整以及对检测到的X射线图像进行自动化评估,从而提高GIS设备缺陷检测的效率和准确性。
为实现上述目的,本发明采用的技术方案是:
一种基于X射线的GIS设备缺陷检测系统,包含:X射线机、X射线机方位调整支架、数字平板探测仪和GIS设备缺陷评估装置,所述X射线机设置在X射线机方位调整支架上,所述数字平板探测仪与所述GIS设备缺陷评估装置无线通信连接;
所述X射线机方位调整支架包括:移动小车、竖向支撑杆以及横向支撑杆,所述移动小车上开设有滑槽,所述竖向支撑杆包括位于下部的与滑槽配套设置的滑动支座以及设于滑动支座上方并与其连接的第一杠杆支架,所述横向支撑杆包括连接于第一杠杆支架上端的支撑套筒以及设于支撑套筒两端的第二杠杆支架和第三杠杆支架,所述第一杠杆支架与支撑套筒之间球面连接;第三杠杆支架的端头设有配重块,X射线机设置在第二杠杆支架的端头;
所述GIS设备缺陷评估装置包括:数据获取模块、预处理模块、特征提取模块、缺陷检测和分类模块、缺陷定位模块和缺陷评估模块,所述数据获取模块依序通过所述预处理模块、特征提取模块、缺陷检测和分类模块、缺陷定位模块与所述缺陷评估模块连接。
进一步,与缺陷相关的特征包括:
异常密度或颜色区域、缺失或断裂线条、异常形状或轮廓、异常连接或焊点、异常电气传导路径以及异常位置和分布。
进一步,所述GIS设备缺陷检测与分类模型的构建方法包括:
获取已知的GIS设备缺陷数据集,所述GIS设备缺陷数据集包含:缺陷类型、设备信息、X射线图像;
对所述GIS设备缺陷数据集进行处理和清洗,包括:去除重复数据和空值、标准化数据,以确保数据质量和准确性;
根据缺陷检测和分类的目的,选择处理和清洗后的所述GIS设备缺陷数据集的相关特征,该相关特征包括X射线图像特征、设备信息和生产日期;
将所述GIS设备缺陷数据集的相关特征拆分为训练集和测试集;
使用随机森林算法对训练集进行训练,确定模型参数和决策数量,生成GIS设备缺陷检测与分类模型;
通过测试集对所述GIS设备缺陷检测与分类模型进行评估,其中,评估的指标包括准确率、召回率和F1-Score;
根据模型评估结果对GIS设备缺陷检测与分类模型进行调整和优化,包括修改特征选择、调整模型参数,以提高模型的分类准确率;
将优化后的GIS设备缺陷检测与分类模型部署到所述缺陷检测和分类模块中。
进一步,所述缺陷定位模块包括:
元器件标记子模块,用于获取所述GIS设备的CAD模型,通过所述CAD模型对X射线图像中的各个元器件进行标记,以便后续定位分析;
图像分辨率比例确定子模块,用于确定所述CAD模型与X射线图像之间的图像分辨率的比例关系;
第一定位子模块,用于根据所述CAD模型与X射线图像之间的图像分辨率的比例关系,将所述缺陷区域与CAD模型进行比对,以确定缺陷区域在CAD模型中的位置;
第二定位子模块,用于在基于CAD模型的定位结果基础上,结合所述GIS设备的拓扑关系,确定X射线图像中的缺陷区域在所述GIS设备中的位置。
进一步,所述评估的结果包括:GIS设备缺陷的严重程度、维修GIS设备缺陷的紧急程度以及造成GIS设备缺陷的原因,所述GIS设备缺陷的严重程度包含:一般和严重;所述维修GIS设备缺陷的紧急程度包含:一般和紧急。
进一步,所述缺陷评估模块设有用于储存GIS设备缺陷评估规则的储存子模块,
GIS设备缺陷评估规则包括:GIS设备缺陷的严重程度评估、维修GIS设备缺陷的紧急性评估以及造成GIS设备缺陷的原因评估,其中,
所述GIS设备缺陷的严重程度评估的方法包括:
根据缺陷区域在所述GIS设备中的位置和范围,判断缺陷区域是否涉及关键组件,若是,则确定GIS设备缺陷的严重程度为严重,否则确定GIS设备缺陷的严重程度为一般;
或者,
根据缺陷区域在X射线图像上的密度和颜色显示情况,判断缺陷的严重程度,如果颜色深或密度高,则确定GIS设备缺陷的严重程度为严重,否则确定GIS设备缺陷的严重程度为一般。
进一步,所述维修GIS设备缺陷的紧急性评估的方法包括:
根据缺陷区域在所述GIS设备中的位置和范围,判断缺陷区域是否涉及关键组件,若是,则为紧急,否则为一般。
进一步,所述造成GIS设备缺陷的原因评估的方法包括:
根据缺陷区域的缺陷特征,判断可能的缺陷原因,所述可能的缺陷原因包括:设备老化、电力问题、操作错误以及维护不当。
进一步,所述基于X射线的GIS设备缺陷检测系统包括控制基站和用户终端设备,所述控制基站与所述用户终端设备无线通信连接;
所述控制基站包括服务器及与所述服务器连接通信的无线交换机、显示器和存储器;
所述X射线机连接有无线通信模块,用于与所述无线交换机进行无线通信连接。
一种基于X射线的GIS设备缺陷检测方法,所述基于X射线的GIS设备缺陷检测系统方法应用于如以上所述的所述基于X射线的GIS设备缺陷检测系统,所述基于X射线的GIS设备缺陷检测系统方法包括以下步骤:
通过X射线机方位调整支架控制X射线机进行方位调整;
通过X射线机采集待测GIS设备的内部X射线图像;
通过GIS设备缺陷评估装置对待测GIS设备的内部X射线图像进行分析与评估,并生成GIS设备缺陷报告。
本发明的有益效果在于:
本发明在对GIS设备进行检测时,滑动支座可以在移动小车上实现平面旋转和移动,第一杠杆支架可以实现高度调节,横向支撑杆可相对于竖向支撑杆进行调节,这样使得X射线机可以实现全方位调整,进而可以方便的完成对GIS设备的检测,具有调整方便、操作容易、结构简单以及制作成本低等优点。同时,可以对GIS设备的X射线图像进行分析与评估,并生成GIS设备缺陷报告,从而提高GIS设备缺陷检测的效率和准确性。
附图说明
图1 是背景技术中所述GIS设备X射线数字成像装置全方位调整支架的结构示意图。
图2 是本发明所述GIS设备缺陷评估装置的结构示意图。
图3 是本发明所述基于X射线的GIS设备缺陷检测系统的示意图。
具体实施方式
本发明提供一种基于X射线的GIS设备缺陷检测方法及系统,其能够同时实现对X射线机在三维空间内进行调整以及对检测到的X射线图像进行自动化评估,从而提高GIS设备缺陷检测的效率和准确性。
实施例1
请参阅图2和3所示,一种基于X射线的GIS设备缺陷检测系统,包含:X射线机、X射线机方位调整支架、数字平板探测仪和GIS设备缺陷评估装置,所述数字平板探测仪与所述GIS设备缺陷评估装置无线通信连接;
所述X射线机方位调整支架包括:移动小车、竖向支撑杆以及横向支撑杆,所述移动小车上开设有滑槽,所述竖向支撑杆包括位于下部的与滑槽配套设置的滑动支座以及设于滑动支座上方并与其连接的第一杠杆支架,所述横向支撑杆包括连接于第一杠杆支架上端的支撑套筒以及设于支撑套筒两端的第二杠杆支架和第三杠杆支架,所述第一杠杆支架与支撑套筒之间球面连接(这样横向支撑杆的角度就可以方便的多方位调整,使用非常方便);第三杠杆支架的端头设有配重块,X射线机设置在第二杠杆支架的端头,此处限定的目的在于,通过调整该配重块可实现力矩的平衡。在本实施例中,所述第二杠杆支架、第三杠杆支架插设于支撑套筒内,在支撑套筒和第二、第三杠杆支架上配套设有螺栓孔,这样可使第二杠杆支架、第三杠杆支架与支撑套筒通过螺栓定位,第二杠杆支架、第三杠杆支架可在支撑套筒内缩进或伸出,进而调整其整体长度,以满足不同的工作需要。需要说明的是,本实施例所述X射线机方位调整支架可以采用背景技术中所述GIS设备X射线数字成像装置全方位调整支架。
所述GIS设备缺陷评估装置包括:
数据获取模块,用于获取待测GIS设备的内部X射线图像;
预处理模块,用于对所述内部X射线图像进行预处理,以减少噪声和增强目标特征;
特征提取模块,用于通过图像处理算法提取所述内部X射线图像中与缺陷相关的特征;
缺陷检测和分类模块,用于通过GIS设备缺陷检测与分类模型对提取到的特征进行GIS设备缺陷检测和分类,得到缺陷区域;
缺陷定位模块,用于确定所述缺陷区域在所述GIS设备中的位置;
缺陷评估模块,用于根据预设的GIS设备缺陷评估规则对检测和定位的GIS设备缺陷进行评估,并将评估的结果以可视化的形式展示,并生成相应的报告。
在上述方案中,在对GIS设备进行检测时,滑动支座可以在移动小车上实现平面旋转和移动,第一杠杆支架可以实现伸缩调节(即:实现高度调节),横向支撑杆可相对于竖向支撑杆进行调节,这样使得X射线机可以实现全方位调整,进而可以方便的完成对GIS设备的检测,具有调整方便、操作容易、结构简单以及制作成本低等优点。同时,可以对GIS设备的X射线图像进行分析与评估,并生成GIS设备缺陷报告,从而提高GIS设备缺陷检测的效率和准确性。
进一步地,所述与缺陷相关的特征包括:
异常密度或颜色区域、缺失或断裂线条、异常形状或轮廓、异常连接或焊点、异常电气传导路径以及异常位置和分布。
进一步地,所述GIS设备缺陷检测与分类模型的构建方法包括:
获取已知的GIS设备缺陷数据集,所述GIS设备缺陷数据集包含:缺陷类型、设备信息、X射线图像;
对所述GIS设备缺陷数据集进行处理和清洗,包括:去除重复数据和空值、标准化数据,以确保数据质量和准确性;
根据缺陷检测和分类的目的,选择处理和清洗后的所述GIS设备缺陷数据集的相关特征,该相关特征包括X射线图像特征、设备信息和生产日期;
将所述GIS设备缺陷数据集的相关特征拆分为训练集和测试集;
使用随机森林算法对训练集进行训练,确定模型参数和决策数量,生成GIS设备缺陷检测与分类模型;
通过测试集对所述GIS设备缺陷检测与分类模型进行评估,其中,评估的指标包括准确率、召回率和F1-Score;
根据模型评估结果对GIS设备缺陷检测与分类模型进行调整和优化,包括修改特征选择、调整模型参数,以提高模型的分类准确率;
将优化后的GIS设备缺陷检测与分类模型部署到所述缺陷检测和分类模块中。
进一步地,所述缺陷定位模块包括:
元器件标记子模块,用于获取所述GIS设备的CAD模型,通过所述CAD模型对所述内部X射线图像中的各个元器件进行标记,以便后续定位分析;
图像分辨率比例确定子模块,用于确定所述CAD模型与所述内部X射线图像之间的图像分辨率的比例关系;
第一定位子模块,用于根据所述CAD模型与所述内部X射线图像之间的图像分辨率的比例关系,将所述缺陷区域与CAD模型进行比对,以确定缺陷区域在CAD模型中的位置;
第二定位子模块,用于在基于CAD模型的定位结果基础上,结合所述GIS设备的拓扑关系,确定所述内部X射线图像中的缺陷区域在所述GIS设备中的位置。
进一步地,所述评估的结果包括:GIS设备缺陷的严重程度、维修GIS设备缺陷的紧急程度以及造成GIS设备缺陷的原因,所述GIS设备缺陷的严重程度包含:一般和严重;所述维修GIS设备缺陷的紧急程度包含:一般和紧急。
进一步地,所述缺陷评估模块设有用于储存所述GIS设备缺陷评估规则的储存子模块,
所述预设的GIS设备缺陷评估规则包括:GIS设备缺陷的严重程度评估、维修GIS设备缺陷的紧急性评估以及造成GIS设备缺陷的原因评估,其中,
所述GIS设备缺陷的严重程度评估的方法包括:
根据缺陷区域在所述GIS设备中的位置和范围,判断缺陷区域是否涉及关键组件,若是,则确定GIS设备缺陷的严重程度为严重,否则确定GIS设备缺陷的严重程度为一般;
或者,
根据缺陷区域在X射线图像上的密度和颜色显示情况,判断缺陷的严重程度,如果颜色深或密度高,则确定GIS设备缺陷的严重程度为严重,否则确定GIS设备缺陷的严重程度为一般。
进一步地,所述维修GIS设备缺陷的紧急性评估的方法包括:
根据缺陷区域在所述GIS设备中的位置和范围,判断缺陷区域是否涉及关键组件,若是,则为紧急,否则为一般。
进一步地,所述造成GIS设备缺陷的原因评估的方法包括:
根据缺陷区域的缺陷特征,判断可能的缺陷原因,所述可能的缺陷原因包括:设备老化、电力问题、操作错误以及维护不当。
进一步地,所述基于X射线的GIS设备缺陷检测系统包括控制基站和用户终端设备,所述控制基站与所述用户终端设备无线通信连接;
所述控制基站包括服务器及与所述服务器连接通信的无线交换机、显示器和存储器;
所述X射线机连接有无线通信模块,用于与所述无线交换机进行无线通信连接。
实施例2
一种基于X射线的GIS设备缺陷检测方法,所述基于X射线的GIS设备缺陷检测系统方法应用于如实施例1所述的所述基于X射线的GIS设备缺陷检测系统,所述基于X射线的GIS设备缺陷检测系统方法包括以下步骤:
获取待测GIS设备的内部X射线图像;
对所述内部X射线图像进行预处理,以减少噪声和增强目标特征;
通过图像处理算法提取所述内部X射线图像中与缺陷相关的特征;
通过GIS设备缺陷检测与分类模型对提取到的特征进行GIS设备缺陷检测和分类,得到缺陷区域;
确定所述缺陷区域在所述GIS设备中的位置;
根据预设的GIS设备缺陷评估规则对检测和定位的GIS设备缺陷进行评估,并将评估的结果以可视化的形式展示,并生成相应的报告。
关于实施例2的具体说明如下:
获取待测GIS设备的内部X射线图像;
对所述内部X射线图像进行预处理,包括去噪、对比度增强、图像平滑化等操作,以减少噪声和增强目标特征,提高图像质量;
通过计算机视觉技术或图像处理算法提取所述内部X射线图像中与缺陷相关的特征,这些特征可能包括纹理、颜色、形状、边缘等。特征提取的目标是将复杂的图像信息转化为易于理解和分析的数值或描述符;
通过GIS设备缺陷检测与分类模型对提取到的特征进行GIS设备缺陷检测和分类,得到缺陷区域;
确定所述缺陷区域在所述GIS设备中的位置;
根据预设的GIS设备缺陷评估规则对检测和定位的GIS设备缺陷进行评估,并将评估的结果以可视化的形式展示,并生成相应的报告;此处限定的目的在于,可以帮助操作人员或决策者更好地理解和解决缺陷问题。
在上述方案中,本发明所述用户终端设备可以远程向控制基站发出控制指令,控制指令用于调整X射线机的参数,提高检测人员的安全性及检测结果的准确性。同时,可以对GIS设备的X射线图像进行分析与评估,并生成GIS设备缺陷报告,从而提高GIS设备缺陷检测的效率和准确性。
进一步地,所述与缺陷相关的特征包括:
异常密度或颜色区域、缺失或断裂线条、异常形状或轮廓、异常连接或焊点、异常电气传导路径以及异常位置和分布;具体为,
异常密度或颜色区域:X射线图像中出现的黑色或深色区域,可能表示缺陷导致的密度异常或材料异常。
缺失或断裂线条:X射线图像中出现的中断、缺失或断裂的线条,可能表示缺陷引起的部件断裂或连接问题。
异常形状或轮廓:X射线图像中出现的异常形状或轮廓,可能表示缺陷引起的组件变形、损坏或材料异常。
异常连接或焊点:X射线图像中显示的连接或焊接处出现异常,例如焊点断裂、焊接不牢固等。
异常电气传导路径:X射线图像中显示的电气传导路径异常,例如导电部件之间出现断路或短路。
异常位置和分布:缺陷所在的特定位置,例如集电线路、绝缘子等关键部位出现异常。
这些特征可以有助于识别GIS设备X射线图像中的缺陷,并帮助评估缺陷的严重程度、维修紧急性以及可能的缺陷原因。需要说明的是,具体的缺陷特征可能因GIS设备的类型和具体缺陷而有所不同。
进一步地,所述GIS设备缺陷检测与分类模型的构建方法包括:
获取已知的GIS设备缺陷数据集,所述GIS设备缺陷数据集包含:缺陷类型、设备信息、X射线图像;
对所述GIS设备缺陷数据集进行处理和清洗,包括去除重复数据和空值以及标准化数据,以确保数据质量和准确性;
根据缺陷检测和分类的目的,选择处理和清洗后的所述GIS设备缺陷数据集的相关特征,该相关特征包括X射线图像特征、设备信息和生产日期;以提高模型的准确性和鲁棒性;
将所述GIS设备缺陷数据集的相关特征拆分为训练集和测试集,并进行必要的数据预处理,如特征缩放、降维等。
使用随机森林算法对训练集进行训练,确定模型参数和决策数量,生成GIS设备缺陷检测与分类模型;
通过测试集对所述GIS设备缺陷检测与分类模型进行评估,其中,评估的指标包括准确率、召回率、F1-Score,以评估模型的性能和准确性。
根据模型评估结果对GIS设备缺陷检测与分类模型进行调整和优化,包括修改特征选择、调整模型参数,以提高模型的分类准确率。
将优化后的GIS设备缺陷检测与分类模型部署到所述缺陷检测和分类模块中,实现实时检测和分类。
进一步地,所述确定所述缺陷区域在所述GIS设备中的位置,包括以下步骤:
获取所述GIS设备的CAD模型,通过所述CAD模型对所述内部X射线图像中的各个元器件进行标记,以便后续定位分析;需要说明的是,CAD模型指的是计算机辅助设计(Computer-Aided Design)的三维模型,是设计师在计算机上使用各种绘图软件进行设计的产物。它可以包含物体的几何形状、尺寸、材料等信息,并能够进行可视化呈现和编辑修改;
确定所述CAD模型与所述内部X射线图像之间的图像分辨率的比例关系,需要强调的是,由于CAD模型一般采用真实尺寸,其与X射线图像中每个像素所对应的物理尺寸并不一定相同,因此需要先确定它们的比例关系;
根据所述CAD模型与所述内部X射线图像之间的图像分辨率的比例关系,将所述缺陷区域与CAD模型进行比对,以确定缺陷区域在CAD模型中的位置,需要强调的是,本实施例可以采用多种方法进行定位,如基于轮廓匹配的方法、基于低阈值扫描的方法等;
在基于CAD模型的定位结果基础上,结合所述GIS设备的拓扑关系(需要说明的是,GIS设备的拓扑关系描述了各个组件之间的连接关系,通过分析X射线图像中缺陷区域所处的位置与拓扑关系之间的一致性,可以推断出缺陷区域所在的位置),确定所述内部X射线图像中的缺陷区域在所述GIS设备中的位置。
在一些实施例中,还可以利用已知的参考点或标定数据进行图像与GIS设备坐标系统之间的校准,通过校准后的图像,可以直接确定缺陷区域在设备中的位置。
进一步地,所述评估的结果包括:GIS设备缺陷的严重程度、维修GIS设备缺陷的紧急程度以及造成GIS设备缺陷的原因,所述GIS设备缺陷的严重程度包含:一般和严重;所述维修GIS设备缺陷的紧急程度包含:一般和紧急。需要说明的是,具体评估结果应根据具体需求进行量化或标记,以支持后续决策和行动。
进一步地,所述预设的GIS设备缺陷评估规则包括:GIS设备缺陷的严重程度评估、维修GIS设备缺陷的紧急性评估以及造成GIS设备缺陷的原因评估,其中,
所述GIS设备缺陷的严重程度评估的方法包括:
根据缺陷区域在所述GIS设备中的位置和范围,判断缺陷区域是否涉及关键组件,若是,则确定GIS设备缺陷的严重程度为严重,否则确定GIS设备缺陷的严重程度为一般;
或者,
根据缺陷区域在X射线图像上的密度和颜色显示情况,判断缺陷的严重程度,如果颜色深或密度高,则确定GIS设备缺陷的严重程度为严重,否则确定GIS设备缺陷的严重程度为一般;
在上述方案中,可以通过评估缺陷在X射线图像中的出现位置和范围,如是否涉及关键组件或影响设备的核心功能。也可以根据缺陷在X射线图像上的密度和颜色显示情况,判断缺陷的程度,比如颜色深、密度高可能表示缺陷较严重。还可以考虑缺陷对设备性能和稳定性的影响,如是否会导致设备完全失效或对关键操作产生严重影响。
所述维修GIS设备缺陷的紧急性评估的方法包括:
根据缺陷区域在所述GIS设备中的位置和范围,判断缺陷区域是否涉及关键组件,若是,则为紧急,否则为一般。
所述造成GIS设备缺陷的原因评估的方法包括:
根据缺陷区域的缺陷特征,判断可能的缺陷原因,所述可能的缺陷原因包括:设备老化、电力问题、操作错误以及维护不当。
综上,所述基于X射线的GIS设备缺陷检测方法可实现远程可视化操作,同时,对设备实时检测、分析和评估,提高GIS设备缺陷检测效率,以及提高检测结果准确性。
需要说明的是,实施例1所述的所述基于X射线的GIS设备缺陷检测系统对GIS设备缺陷进行分析和评估的方法与实施例2所述的基于X射线的GIS设备缺陷检测系统方法一一对应。
实施例3
一种基于X射线的GIS设备缺陷检测方法,所述基于X射线的GIS设备缺陷检测系统方法应用于如实施例1所述的所述基于X射线的GIS设备缺陷检测系统,所述基于X射线的GIS设备缺陷检测系统方法包括以下步骤:
通过X射线机方位调整支架控制X射线机进行方位调整;
通过X射线机采集待测GIS设备的内部X射线图像;
通过GIS设备缺陷评估装置对待测GIS设备的内部X射线图像进行分析与评估,并生成GIS设备缺陷报告。
综上所述,本发明能够同时实现对X射线机在三维空间内进行调整以及对检测到的X射线图像进行自动化评估,从而提高GIS设备缺陷检测的效率和准确性。
以上实施方式仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通工程技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。
Claims (3)
1.一种基于X射线的GIS设备缺陷检测系统,其特征在于,包含:X射线机、X射线机方位调整支架、数字平板探测仪和GIS设备缺陷评估装置,所述X射线机设置在X射线机方位调整支架上,所述数字平板探测仪与所述GIS设备缺陷评估装置无线通信连接;
所述GIS设备缺陷评估装置包括:
数据获取模块,用于获取待测GIS设备的内部X射线图像;
预处理模块,用于对所述内部X射线图像进行预处理,以减少噪声和增强目标特征;
特征提取模块,用于通过图像处理算法提取所述内部X射线图像中与缺陷相关的特征;
缺陷检测和分类模块,用于通过GIS设备缺陷检测与分类模型对提取到的特征进行GIS设备缺陷检测和分类,得到缺陷区域;
缺陷定位模块,用于确定所述缺陷区域在所述GIS设备中的位置;
缺陷评估模块,用于根据预设的GIS设备缺陷评估规则对检测和定位的GIS设备缺陷进行评估,并将评估的结果以可视化的形式展示,并生成相应的报告;
所述与缺陷相关的特征包括:
异常密度或颜色区域、缺失或断裂线条、异常形状或轮廓、异常连接或焊点、异常电气传导路径以及异常位置和分布;
所述GIS设备缺陷检测与分类模型的构建方法包括:
获取已知的GIS设备缺陷数据集,所述GIS设备缺陷数据集包含:缺陷类型、设备信息、X射线图像;
对所述GIS设备缺陷数据集进行处理和清洗,包括:去除重复数据和空值、标准化数据,以确保数据质量和准确性;
根据缺陷检测和分类的目的,选择处理和清洗后的所述GIS设备缺陷数据集的相关特征,该相关特征包括X射线图像特征、设备信息和生产日期;
将所述GIS设备缺陷数据集的相关特征拆分为训练集和测试集;
使用随机森林算法对训练集进行训练,确定模型参数和决策数量,生成GIS设备缺陷检测与分类模型;
通过测试集对所述GIS设备缺陷检测与分类模型进行评估,其中,评估的指标包括准确率、召回率和F1-Score;
根据模型评估结果对GIS设备缺陷检测与分类模型进行调整和优化,包括修改特征选择、调整模型参数,以提高模型的分类准确率;
将优化后的GIS设备缺陷检测与分类模型部署到所述缺陷检测和分类模块中;
所述缺陷定位模块包括:
元器件标记子模块,用于获取所述GIS设备的CAD模型,通过所述CAD模型对所述内部X射线图像中的各个元器件进行标记,以便后续定位分析;
图像分辨率比例确定子模块,用于确定所述CAD模型与所述内部X射线图像之间的图像分辨率的比例关系;
第一定位子模块,用于根据所述CAD模型与所述内部X射线图像之间的图像分辨率的比例关系,将所述缺陷区域与CAD模型进行比对,以确定缺陷区域在CAD模型中的位置;
第二定位子模块,用于在基于CAD模型的定位结果基础上,结合所述GIS设备的拓扑关系,确定所述内部X射线图像中的缺陷区域在所述GIS设备中的位置;
所述评估的结果包括:GIS设备缺陷的严重程度、维修GIS设备缺陷的紧急程度以及造成GIS设备缺陷的原因,所述GIS设备缺陷的严重程度包含:一般和严重;所述维修GIS设备缺陷的紧急程度包含:一般和紧急;
所述缺陷评估模块设有用于储存所述GIS设备缺陷评估规则的储存子模块,
所述预设的GIS设备缺陷评估规则包括:GIS设备缺陷的严重程度评估、维修GIS设备缺陷的紧急性评估以及造成GIS设备缺陷的原因评估,其中,
所述GIS设备缺陷的严重程度评估的方法包括:
根据缺陷区域在所述GIS设备中的位置和范围,判断缺陷区域是否涉及关键组件,若是,则确定GIS设备缺陷的严重程度为严重,否则确定GIS设备缺陷的严重程度为一般;
或者,
根据缺陷区域在X射线图像上的密度和颜色显示情况,判断缺陷的严重程度,如果颜色深或密度高,则确定GIS设备缺陷的严重程度为严重,否则确定GIS设备缺陷的严重程度为一般;
所述维修GIS设备缺陷的紧急性评估的方法包括:
根据缺陷区域在所述GIS设备中的位置和范围,判断缺陷区域是否涉及关键组件,若是,则为紧急,否则为一般;
所述造成GIS设备缺陷的原因评估的方法包括:
根据缺陷区域的缺陷特征,判断可能的缺陷原因,所述可能的缺陷原因包括:设备老化、电力问题、操作错误以及维护不当。
2.根据权利要求1所述的基于X射线的GIS设备缺陷检测系统,其特征在于,所述基于X射线的GIS设备缺陷检测系统包括控制基站和用户终端设备,所述控制基站与所述用户终端设备无线通信连接;
所述控制基站包括服务器及与所述服务器连接通信的无线交换机、显示器和存储器;
所述X射线机连接有无线通信模块,用于与所述无线交换机进行无线通信连接。
3.一种基于X射线的GIS设备缺陷检测方法,其特征在于,所述基于X射线的GIS设备缺陷检测系统方法应用于如权利要求1或2所述的所述基于X射线的GIS设备缺陷检测系统,所述基于X射线的GIS设备缺陷检测系统方法包括以下步骤:
获取待测GIS设备的内部X射线图像;
对所述内部X射线图像进行预处理,以减少噪声和增强目标特征;
通过图像处理算法提取所述内部X射线图像中与缺陷相关的特征;
通过GIS设备缺陷检测与分类模型对提取到的特征进行GIS设备缺陷检测和分类,得到缺陷区域;
确定所述缺陷区域在所述GIS设备中的位置;
根据预设的GIS设备缺陷评估规则对检测和定位的GIS设备缺陷进行评估,并将评估的结果以可视化的形式展示,并生成相应的报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311212467.8A CN117129491B (zh) | 2023-09-20 | 2023-09-20 | 一种基于x射线的gis设备缺陷检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311212467.8A CN117129491B (zh) | 2023-09-20 | 2023-09-20 | 一种基于x射线的gis设备缺陷检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117129491A CN117129491A (zh) | 2023-11-28 |
CN117129491B true CN117129491B (zh) | 2024-03-29 |
Family
ID=88856463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311212467.8A Active CN117129491B (zh) | 2023-09-20 | 2023-09-20 | 一种基于x射线的gis设备缺陷检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117129491B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007011269A1 (fr) * | 2005-07-19 | 2007-01-25 | Popovich Alexandr Maximilyanov | Conception d'un systeme de capteurs d'un defectoscope a l'interieur d'un tuyau |
WO2007075127A1 (fr) * | 2005-12-21 | 2007-07-05 | Popovich Alexandr Maximilyanov | Mecanisme de fixation d'un capteur au boitier d'un detecteur de defauts intratubulaire |
CN202946857U (zh) * | 2012-11-16 | 2013-05-22 | 河北省电力公司电力科学研究院 | 一种gis设备x射线数字成像装置全方位调整支架 |
CN107389705A (zh) * | 2017-07-20 | 2017-11-24 | 云南电网有限责任公司电力科学研究院 | 一种电力设备x射线无损检测三维成像方法 |
CN110095480A (zh) * | 2019-04-24 | 2019-08-06 | 贵州电网有限责任公司电力科学研究院 | 一种实时显示耐张线夹缺陷检测结果的检测仪 |
CN218646874U (zh) * | 2022-06-24 | 2023-03-17 | 四川赛康智能科技股份有限公司 | 基于图像识别的x射线缺陷检测装置和系统 |
-
2023
- 2023-09-20 CN CN202311212467.8A patent/CN117129491B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007011269A1 (fr) * | 2005-07-19 | 2007-01-25 | Popovich Alexandr Maximilyanov | Conception d'un systeme de capteurs d'un defectoscope a l'interieur d'un tuyau |
WO2007075127A1 (fr) * | 2005-12-21 | 2007-07-05 | Popovich Alexandr Maximilyanov | Mecanisme de fixation d'un capteur au boitier d'un detecteur de defauts intratubulaire |
CN202946857U (zh) * | 2012-11-16 | 2013-05-22 | 河北省电力公司电力科学研究院 | 一种gis设备x射线数字成像装置全方位调整支架 |
CN107389705A (zh) * | 2017-07-20 | 2017-11-24 | 云南电网有限责任公司电力科学研究院 | 一种电力设备x射线无损检测三维成像方法 |
CN110095480A (zh) * | 2019-04-24 | 2019-08-06 | 贵州电网有限责任公司电力科学研究院 | 一种实时显示耐张线夹缺陷检测结果的检测仪 |
CN218646874U (zh) * | 2022-06-24 | 2023-03-17 | 四川赛康智能科技股份有限公司 | 基于图像识别的x射线缺陷检测装置和系统 |
Non-Patent Citations (1)
Title |
---|
X 射线影像识别技术在 GIS 缺陷诊断中的作用;刘荣海;《高压电器》;第55卷(第6期);62-69 * |
Also Published As
Publication number | Publication date |
---|---|
CN117129491A (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105654461B (zh) | 一种多分裂导线间隔棒断裂的机器视觉检测方法 | |
CN104318582B (zh) | 一种高铁接触网旋转双耳部件销钉不良状态检测方法 | |
CN111797890A (zh) | 一种用于检测输电线路设备缺陷的方法及系统 | |
JP5081590B2 (ja) | 欠陥観察分類方法及びその装置 | |
CN111798407B (zh) | 一种基于神经网络模型的带电设备故障诊断方法 | |
CN115077425B (zh) | 一种基于结构光三维视觉的产品检测设备及方法 | |
CN111443094A (zh) | 样本检验的方法及其系统 | |
CN116337868B (zh) | 一种表面缺陷检测方法及检测系统 | |
CN110335260B (zh) | 一种基于轻卷积神经网络的电力电缆破损检测方法 | |
CN107328368A (zh) | 定子与转子间气隙检测装置及方法、采用此装置的生产线 | |
CN112001327A (zh) | 一种阀厅设备故障识别方法及系统 | |
CN111402215A (zh) | 一种基于鲁棒主成分分析法的接触网绝缘子状态检测方法 | |
CN111738156A (zh) | 一种高压开关设备状态智能巡检管理方法及系统 | |
CN116704733A (zh) | 铝合金电缆的老化预警方法和系统 | |
CN112734698A (zh) | 基于红外图像的电缆终端异常诊断方法和装置 | |
CN117129491B (zh) | 一种基于x射线的gis设备缺陷检测方法及系统 | |
CN116908222B (zh) | 一种gis设备故障的x射线检测方法及其系统 | |
CN117455843A (zh) | 一种电缆头缺陷智能化检测系统 | |
CN209247652U (zh) | 一种大壳体上铆钉表面缺陷在线检测装置 | |
JP2010025836A (ja) | 外観検査方法および外観検査装置、半導体検査装置ならびに半導体ウェハの断面検査装置 | |
CN115937086A (zh) | 一种基于无人机图像识别技术的特高压输电线路缺陷检测方法 | |
CN113112458A (zh) | 一种基于支持向量机的金属表面缺陷检测方法 | |
CN109298314B (zh) | 基于图像处理的电路板端口插拔寿命测试系统及方法 | |
CN112179922A (zh) | 一种电线电缆缺陷检测系统 | |
Chu et al. | Structural dimension measurement and error analysis of power cable based on image computing |
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 |