本發(fā)明屬于電纜檢測(cè)，特別涉及一種基于x射線的便攜式高壓電纜智能無損檢測(cè)方法及裝置。

背景技術(shù)：

1、高壓電纜作為電力傳輸?shù)闹匾浇?，廣泛應(yīng)用于電力系統(tǒng)的各個(gè)環(huán)節(jié)，其安全穩(wěn)定運(yùn)行對(duì)于整個(gè)電力網(wǎng)絡(luò)的可靠性至關(guān)重要。然而，高壓電纜在長期運(yùn)行過程中，可能由于外部環(huán)境因素、過載運(yùn)行或制造缺陷等原因，導(dǎo)致內(nèi)部結(jié)構(gòu)發(fā)生損傷，尤其是絕緣層破損和導(dǎo)體損傷。這些內(nèi)部缺陷往往是肉眼難以察覺的，但卻可能引發(fā)嚴(yán)重的安全問題，如電纜絕緣失效、短路甚至火災(zāi)等，嚴(yán)重威脅電力系統(tǒng)的安全運(yùn)行。

2、現(xiàn)有的高壓電纜檢測(cè)技術(shù)多基于傳統(tǒng)的電學(xué)或熱學(xué)方法，如電橋法、局部放電檢測(cè)法、紅外成像等。這些方法雖在一定程度上可以發(fā)現(xiàn)電纜的部分缺陷，但對(duì)于電纜內(nèi)部的深層次缺陷，特別是絕緣層和導(dǎo)體的微小損傷，往往難以準(zhǔn)確判斷。此外，這些方法通常要求電纜在檢測(cè)過程中斷電運(yùn)行，不僅影響電力供應(yīng)的連續(xù)性，還可能導(dǎo)致檢測(cè)效率低下，增加維護(hù)成本。

3、另一方面，之前的x射線無損檢測(cè)設(shè)備通常體積龐大，操作復(fù)雜，難以在多變的檢測(cè)現(xiàn)場(chǎng)中靈活應(yīng)用。這種設(shè)備的笨重性限制了其在實(shí)際檢測(cè)過程中的使用，尤其是在需要頻繁移動(dòng)或復(fù)雜地形的環(huán)境下，傳統(tǒng)的x射線檢測(cè)設(shè)備難以發(fā)揮其應(yīng)有的作用，進(jìn)一步限制了檢測(cè)效率和靈活性。

4、其次，傳統(tǒng)檢測(cè)方法在識(shí)別缺陷類型和評(píng)估損傷程度方面也存在不足。它們無法提供電纜內(nèi)部缺陷的精確成像與分析，因此難以對(duì)缺陷的具體位置、形態(tài)以及嚴(yán)重程度進(jìn)行有效評(píng)估。這種不確定性給電纜的維護(hù)和維修工作帶來了挑戰(zhàn)，無法及時(shí)發(fā)現(xiàn)和處理潛在問題，增加了電力系統(tǒng)故障的風(fēng)險(xiǎn)。

5、綜上所述，現(xiàn)有技術(shù)在高壓電纜內(nèi)部缺陷檢測(cè)方面存在諸多不足，難以滿足現(xiàn)代電力系統(tǒng)對(duì)高效、準(zhǔn)確和非接觸式檢測(cè)的需求。此外，傳統(tǒng)的x射線檢測(cè)設(shè)備由于體積龐大、操作不便，更加無法適應(yīng)復(fù)雜多變的檢測(cè)現(xiàn)場(chǎng)。因此，迫切需要一種新型的便攜式無損檢測(cè)裝置，能夠在高壓電纜日常維護(hù)過程中實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)，精準(zhǔn)識(shí)別電纜內(nèi)部的絕緣層破損和導(dǎo)體損傷，并準(zhǔn)確評(píng)估其類型和程度，從而保障電力系統(tǒng)的安全穩(wěn)定運(yùn)行。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種基于x射線的便攜式高壓電纜智能無損檢測(cè)方法和裝置，專為高壓電纜的日常維護(hù)設(shè)計(jì)，能夠精確檢測(cè)電纜內(nèi)部的缺陷，特別是絕緣層破損和導(dǎo)體損傷，并對(duì)缺陷的類型和嚴(yán)重程度進(jìn)行評(píng)估。通過結(jié)合x射線成像技術(shù)、無線數(shù)據(jù)傳輸、先進(jìn)的圖像處理算法以及深度學(xué)習(xí)技術(shù)，本發(fā)明解決了現(xiàn)有技術(shù)在檢測(cè)精度和效率上的不足，實(shí)現(xiàn)了高壓電纜的高效、非接觸式智能檢測(cè)。

2、一種基于x射線的便攜式高壓電纜智能無損檢測(cè)方法，包括：

3、(1)采集待檢測(cè)高壓電纜橫截面的初始x射線圖像；

4、(2)對(duì)得到的x射線圖像進(jìn)行去噪處理，得到保留圖像細(xì)節(jié)和邊緣信息的圖像；

5、(3)對(duì)去噪后的圖像進(jìn)行圖像增強(qiáng)；

6、(4)對(duì)增強(qiáng)后的圖像進(jìn)行錨框；

7、(5)利用改進(jìn)的yolov8模型定位缺陷位置，識(shí)別缺陷類型。

8、步驟(1)中，可以通過便攜式x圖像采集系統(tǒng)獲取高分辨率電纜x光圖像(即x射線圖像)。然后將采集到的x光圖像通過無限傳輸系統(tǒng)傳輸給智能圖像處理終端。通過該無線傳輸系統(tǒng)，x射線圖像可以從成像系統(tǒng)快速傳輸?shù)綀D像處理端，進(jìn)行后續(xù)的處理和分析。

9、作為優(yōu)選，采集圖像時(shí)，采用微焦點(diǎn)x射線發(fā)射器獲取所述初始x射線圖像，發(fā)射器的標(biāo)稱焦點(diǎn)尺寸小于等于0.05mm；進(jìn)一步提高圖像精度和準(zhǔn)確度。

10、進(jìn)一步的，在獲取所述初始x射線圖像過程中，通過調(diào)節(jié)發(fā)射器的輸出功率以及優(yōu)化射線入射角度獲得清晰的初始x射線圖像。具體的，通過調(diào)節(jié)發(fā)射器的輸出功率與電纜厚度(直徑)向匹配，獲得整體清晰的x射線圖像。然后通過優(yōu)化x射線入射角度，可以進(jìn)一步提高圖像內(nèi)缺陷顯示精度。

11、可選擇的方案中，所述無限傳輸系統(tǒng)包括無線通信芯片、射頻功率放大芯片、無線接收芯片、數(shù)據(jù)處理芯片等。其中無線通信芯片負(fù)責(zé)打包并發(fā)送處理后的圖像數(shù)據(jù)，通過特定頻段和協(xié)議實(shí)現(xiàn)高速、穩(wěn)定的傳輸，并通過低功耗設(shè)計(jì)延長設(shè)備運(yùn)行時(shí)間。所述射頻功率放大芯片，用于增強(qiáng)信號(hào)強(qiáng)度，使得即使在有障礙物或遠(yuǎn)距離的情況下，信號(hào)也能穩(wěn)定傳輸至接收端。所述無線接收芯片，通過高靈敏度天線準(zhǔn)確接收并解調(diào)無線信號(hào)，將其還原為數(shù)字圖像數(shù)據(jù)。所述數(shù)據(jù)處理芯片對(duì)數(shù)據(jù)進(jìn)行解碼、校驗(yàn)和壓縮，并將其傳送至圖像處理端，確保傳輸?shù)耐暾院托省?/p>

12、進(jìn)一步的，采用ffdnet算法對(duì)電纜x射線圖像進(jìn)行去噪處理。ffdnet是一種高效的圖像去噪算法，通過深度卷積神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)自適應(yīng)的去噪處理。該算法的核心思想是對(duì)圖像的噪聲水平進(jìn)行分層估計(jì)，并在每一層應(yīng)用不同的去噪濾波器進(jìn)行處理。ffdnet根據(jù)輸入圖像和噪聲水平預(yù)測(cè)的噪聲分量；ffdnet采用分層結(jié)構(gòu)來處理不同噪聲水平的圖像，通過多層卷積和激活函數(shù)，ffdnet能夠逐步提取圖像中的有用信息，去除噪聲；最后ffdnet利用殘差學(xué)習(xí)策略，將網(wǎng)絡(luò)輸出的噪聲分量從原始圖像中減去，從而獲得去噪后的圖像。這種結(jié)構(gòu)使得ffdnet能夠在保留圖像細(xì)節(jié)的同時(shí)，有效去除噪聲，從而提高x射線圖像的質(zhì)量。

13、進(jìn)一步的，為了避免局部增強(qiáng)時(shí)可能產(chǎn)生的噪聲放大，本發(fā)明采用自適應(yīng)直方圖均衡化方法進(jìn)行所述的圖像增強(qiáng)。

14、進(jìn)一步的，所述自適應(yīng)直方圖均衡化方法包括：

15、(i)將圖像劃分為若干個(gè)子塊；

16、(ii)對(duì)于每一子塊內(nèi)的像素，計(jì)算其灰度值的累積分布函數(shù)；

17、(iii)將得到的累積分布函數(shù)值映射為均衡化后的灰度值；

18、(iv)整合得到增強(qiáng)后的圖像。

19、采用自適應(yīng)直方圖均衡化以提升圖像的對(duì)比度和細(xì)節(jié)可見度。自適應(yīng)直方圖均衡化通過對(duì)圖像的局部區(qū)域進(jìn)行直方圖均衡化，有效解決了傳統(tǒng)直方圖均衡化在處理全局圖像時(shí)可能產(chǎn)生的過度增強(qiáng)問題。通過自適應(yīng)直方圖均衡化處理，x射線圖像的局部對(duì)比度得到了顯著提升，細(xì)節(jié)結(jié)構(gòu)更加清晰。

20、進(jìn)一步的，采用優(yōu)化的錨框機(jī)制模型進(jìn)行錨框，在優(yōu)化的錨框機(jī)制中，錨框集合中每個(gè)錨框的值由高壓電纜缺陷的特定尺度因子與缺陷形狀的長寬比相乘得到。假設(shè)錨框集合為{a1,a2,···,ak}，k為錨框的數(shù)量，其中每個(gè)(第i個(gè))錨框ai＝(wi,hi)表示錨框的寬度和高度。優(yōu)化后的錨框設(shè)計(jì)可以通過以下公式表示：

21、ai＝scalei·aspecti

22、其中，scalei是針對(duì)高壓電纜缺陷的特定尺度因子，aspecti是針對(duì)缺陷形狀的長寬比。

23、錨框的損失函數(shù)部分，通常與預(yù)測(cè)的邊界框和真實(shí)的邊界框b＝(x,y,w,h)之間的差異相關(guān)。所述錨框機(jī)制模型訓(xùn)練階段，采用的邊界框回歸損失函數(shù)，該損失函數(shù)為交并比項(xiàng)和尺寸變化率項(xiàng)加和得到，其中交并比項(xiàng)為所有錨框和預(yù)測(cè)框之間的交并比之和，尺寸變化率項(xiàng)為權(quán)重參數(shù)乘以寬度變化率和高度變化率之和，具體的邊界框回歸損失函數(shù)lbbox可以表示為：

24、

25、其中，是錨框bi和預(yù)測(cè)框之間的交并比(intersection?over?union)，λscale是權(quán)重參數(shù)，用于調(diào)整錨框尺寸誤差對(duì)總損失的貢獻(xiàn)。

26、通過對(duì)錨框尺寸和形狀的優(yōu)化，模型能夠更加準(zhǔn)確地捕捉到高壓電纜中的微小缺陷，進(jìn)一步提升檢測(cè)的精度和魯棒性。

27、進(jìn)一步的，在改進(jìn)的yolov8模型的主干網(wǎng)絡(luò)中，采用efficientnet模塊對(duì)輸入的錨框圖像提取其對(duì)應(yīng)的多尺度特征圖；然后采用通道注意力機(jī)制se模塊進(jìn)一步增強(qiáng)通道間的相關(guān)性；最后利用多尺度特征融合方法獲得缺陷信息。

28、基于改進(jìn)的yolov8算法對(duì)圖像處理后的x射線圖像進(jìn)行缺陷檢測(cè)。為了進(jìn)一步提高檢測(cè)精度和效率，本文對(duì)yolov8的主干網(wǎng)絡(luò)進(jìn)行了優(yōu)化，采用了efficientnet作為輕量化替代，并融合了通道注意力機(jī)制se模塊(squeeze-and-excitation)，增強(qiáng)了網(wǎng)絡(luò)的特征表達(dá)能力。通過引入采用efficientnet與se模塊的組合，網(wǎng)絡(luò)能夠自適應(yīng)地調(diào)整各個(gè)通道的重要性，進(jìn)一步提升了對(duì)電纜缺陷的檢測(cè)能力。

29、最后再引入多尺度特征融合技術(shù)通過對(duì)不同層的特征圖進(jìn)行組合來提高檢測(cè)能力。通過持續(xù)的在線更新，模型能夠自適應(yīng)地調(diào)整，保證在不同工況下的高效檢測(cè)。

30、該檢測(cè)算法能夠自動(dòng)識(shí)別電纜內(nèi)部的各種缺陷(如絕緣層破損、導(dǎo)體損傷等)，并對(duì)其位置、類型和嚴(yán)重程度進(jìn)行分類和定量分析。

31、得到的檢測(cè)結(jié)果可以通過智能圖像處理終端顯示，并自動(dòng)存儲(chǔ)到本地?cái)?shù)據(jù)庫或云端服務(wù)器中，確保數(shù)據(jù)的持久化和安全性。系統(tǒng)依據(jù)預(yù)設(shè)的分類標(biāo)準(zhǔn)，對(duì)檢測(cè)到的缺陷數(shù)據(jù)進(jìn)行自動(dòng)分類和歸檔，存儲(chǔ)的信息包括原始x射線圖像、處理后的圖像、檢測(cè)結(jié)果(缺陷類型、具體位置和嚴(yán)重程度)等詳細(xì)數(shù)據(jù)。每次檢測(cè)的數(shù)據(jù)都附帶時(shí)間戳和設(shè)備參數(shù)，確?？勺匪菪?。系統(tǒng)還支持根據(jù)歷史數(shù)據(jù)生成分析報(bào)告，幫助操作人員識(shí)別潛在問題并制定維護(hù)策略，從而顯著提升檢測(cè)效率和電纜的長期運(yùn)行安全性。

32、本發(fā)明還提供了一種基于x射線的便攜式高壓電纜智能無損檢測(cè)裝置，包括：

33、便攜式x射線發(fā)射器，用于向待檢測(cè)高壓電纜發(fā)射x射線；

34、平板探測(cè)器，用于接收衰減后的x射線信號(hào)，獲得初始x射線圖像；

35、圖像處理模塊，用于得到初始x射線圖像進(jìn)行處理，獲取對(duì)應(yīng)的缺陷檢測(cè)結(jié)果；

36、無線傳輸系統(tǒng)，用于將所述平板探測(cè)器獲得圖像傳輸給所述圖像處理模塊；

37、可選擇的還包括：

38、用于顯示結(jié)果的顯示器。

39、綜上所述，本發(fā)明提供了一種高效、可靠的便攜式高壓電纜智能無損檢測(cè)方法，突破了現(xiàn)有檢測(cè)技術(shù)的局限，通過將無損檢測(cè)技術(shù)與深度學(xué)習(xí)算法相結(jié)合，實(shí)現(xiàn)了高壓電纜缺陷的自動(dòng)化檢測(cè)。本發(fā)明設(shè)計(jì)緊湊，重量輕，具備出色的便攜性，能夠適應(yīng)各種復(fù)雜的檢測(cè)現(xiàn)場(chǎng)，并在不影響電纜正常運(yùn)行的情況下，精準(zhǔn)識(shí)別并分類電纜內(nèi)部的各種缺陷，同時(shí)進(jìn)行定量分析。通過自動(dòng)化檢測(cè)與數(shù)據(jù)管理功能，本發(fā)明為高壓電纜的安全運(yùn)行提供了有力保障，顯著提升了日常維護(hù)的效率、可靠性和現(xiàn)場(chǎng)適應(yīng)能力。