高压电缆终端铅封缺陷超声图像卷积神经网络识别

作     者：方春华 周固 邵斌 胡冻三 夏荣 欧阳本红 普子恒 FANG Chunhua;ZHOU Gu;SHAO Bin;HU Dongsan;XIA Rong;OUYANG Benhong;PU Ziheng

作者机构：三峡大学电气与新能源学院宜昌443002 中国电力科学研究院有限公司武汉分院武汉430074 

出 版 物：《应用声学》 (Journal of Applied Acoustics)

年 卷 期：2025年第44卷第1期

页      面：80-87页

学科分类：07[理学] 08[工学] 070206[理学-声学] 0802[工学-机械工程] 0702[理学-物理学] 

基　　金：电网环境保护国家重点实验室2022年度实验室开放基金项目(GYW5120221415) 

主　　题：电缆终端 铅封 超声图像识别 卷积神经网络 缺陷检测 

摘      要：高压电缆终端铅封因安装工艺不当以及在外力作用下会出现孔洞、脱粘或裂缝等缺陷,严重影响输电线路稳定运行。为解决传统超声检测铅封缺陷是因通过人工观察超声图像而存在的效率和准确率偏低的问题,该文提出了一种基于卷积神经网络的高压电缆终端铅封缺陷超声图像识别方法,可以自动从铅封缺陷超声图像中学习特征并完成缺陷分类识别。建立了4种典型铅封缺陷超声图像样本库,搭建了铅封缺陷超声图像识别模型,采用经过规范化处理的超声图像数据对模型进行训练和测试。结果表明:通过调整卷积神经网络试验参数,能够快速准确地识别出铅封不同类型缺陷,准确率可以达到100%,表明该方法具有良好的鲁棒性,抗干扰能力强,对铅封缺陷具有良好的检测性能,在实际的终端铅封缺陷检测中具有很好的应用前景。