CN111862074B - 一种电缆阻水缓冲层缺陷识别方法及装置 - Google Patents
一种电缆阻水缓冲层缺陷识别方法及装置 Download PDFInfo
- Publication number
- CN111862074B CN111862074B CN202010748545.6A CN202010748545A CN111862074B CN 111862074 B CN111862074 B CN 111862074B CN 202010748545 A CN202010748545 A CN 202010748545A CN 111862074 B CN111862074 B CN 111862074B
- Authority
- CN
- China
- Prior art keywords
- defect
- buffer layer
- blocking buffer
- image
- cable water
- 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 181
- 239000000872 buffer Substances 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000009467 reduction Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 16
- 230000002708 enhancing effect Effects 0.000 claims description 8
- 239000000843 powder Substances 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 5
- 239000002893 slag Substances 0.000 claims description 4
- 239000011148 porous material Substances 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000011946 reduction process Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 5
- 241001270131 Agaricus moelleri Species 0.000 abstract 1
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 3
- 229910052782 aluminium Inorganic materials 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 2
- UIIMBOGNXHQVGW-UHFFFAOYSA-M Sodium bicarbonate Chemical compound [Na+].OC([O-])=O UIIMBOGNXHQVGW-UHFFFAOYSA-M 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910018072 Al 2 O 3 Inorganic materials 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 229910000030 sodium bicarbonate Inorganic materials 0.000 description 1
- 235000017557 sodium bicarbonate Nutrition 0.000 description 1
- 229910000029 sodium carbonate Inorganic materials 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- 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
- G01N23/02—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 by transmitting the radiation through the material
- G01N23/04—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 by transmitting the radiation through the material and forming images of the material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/03—Investigating materials by wave or particle radiation by transmission
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
- G01N2223/1016—X-ray
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/646—Specific applications or type of materials flaws, defects
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种电缆阻水缓冲层缺陷识别方法及装置,其中方法包括:获取电缆阻水缓冲层的X射线数字灰度图像并依次进行降噪处理、窗宽窗位调节、整体对比度增强、局部对比度增强;灰度及形态对比:通过对比局部对比度增强后的数字灰度图像中疑似缺陷点处与横向同位置处的灰度及形态,初步判定出缺陷点;缺陷对比:将初步判定出的缺陷点与电缆阻水缓冲层缺陷库中的灰度图像进行比对,当从电缆阻水缓冲层缺陷库中找到相匹配的灰度图像时,该灰度图像对应的缺陷类型即为该缺陷点的最终缺陷类型。该方案能实现对电缆阻水缓冲层X射线数字灰度图像中阻水缓冲层缺陷的精准识别,为电缆灰度图像缺陷检测和定位提供技术支撑,极大提升电缆安全运维水平。
Description
技术领域
本发明涉及电力传输技术的电缆缺陷检测技术领域,尤其涉及一种电缆阻水缓冲层缺陷识别方法及装置。
背景技术
国家电网公司和南方电网公司发生多起因电缆缓冲层缺陷导致主绝缘击穿的运行事故,针对电缆阻水缓冲层缺陷的问题越来越受到电网运维单位的重视。
实践证明,采用数字X射线成像方法对设备的缺陷进行检测和定位是一种有效、便捷的方法。由于电缆缓冲层缺陷的特殊性质,采用数字X射线对电缆进行成像后,由于电缆结构本身复杂性及成像条件的限制,导致电缆结构的对比度很低,目前对于电缆缓冲层缺陷的X射线数字影像特征尚无有效的识别方法,因此,如何实现对电缆阻水缓冲层缺陷的准确识别,仍然是一项亟待解决的技术问题。
发明内容
本发明提供了一种电缆阻水缓冲层缺陷识别方法及装置,以解决现有技术中难以对电缆阻水缓冲层缺陷进行准确识别的问题。
第一方面,提供了一种电缆阻水缓冲层缺陷识别方法,包括:
获取图像:获取电缆阻水缓冲层的X射线数字灰度图像并进行降噪处理;
窗宽窗位调节:调整窗宽窗位以从降噪处理后得到的数字灰度图像中选取待观察区域;
整体对比度增强:加强降噪处理后得到的数字灰度图像整体亮度及边缘对比度;
局部对比度增强:加强整体对比度增强后的数字灰度图像的局部亮度及边缘对比度;
灰度及形态对比:采用横向对比方式,通过对比局部对比度增强后的数字灰度图像中疑似缺陷点处的灰度及形态与横向同位置处的灰度及形态,进而初步判定出缺陷点;
缺陷对比:将初步判定出的缺陷点与预设的电缆阻水缓冲层缺陷库中的灰度图像进行比对,当从电缆阻水缓冲层缺陷库中找到相匹配的灰度图像时,该灰度图像对应的缺陷类型即为该缺陷点的最终缺陷类型。
上述方案中,首先获取电缆阻水缓冲层的X射线数字灰度图像,并依此进行降噪、窗宽窗位调节、整体对比度增强、局部对比度增强、灰度及形态对比,初步判定出缺陷点,然后将初步判定出的缺陷点与预设的电缆阻水缓冲层缺陷库中的灰度图像进行比对,进而确定该缺陷点对应的缺陷类型,最终实现电缆阻水缓冲层缺陷的识别。该方案能够实现对电缆阻水缓冲层X射线数字灰度图像中阻水缓冲层缺陷的精准识别,为电缆灰度图像缺陷的检测和定位提供技术支撑,极大提升电缆的安全运维水平。
进一步地,所述电缆阻水缓冲层的X射线数字灰度图像通过CCD或者平板探测器获得。
进一步地,所述降噪处理为多图平均法降噪,具体包括:
电缆阻水缓冲层额X射线数字灰度图像表示为:
g(x,y)=f(x,y)+δ(x,y)
其中,g(x,y)为电缆阻水缓冲层的X射线数字灰度图像,f(x,y)为无噪声图像,δ(x,y)为噪声;
针对同一场景拍摄m张电缆阻水缓冲层的X射线数字灰度图像,并进行均值处理,得到降噪处理后的数字灰度图像g′(x,y):
对于同一场景拍摄的m张电缆阻水缓冲层的X射线数字灰度图像来说,可认为无噪声图像fi(x,y)是相同的,而噪声δi(x,y)则是随机且互不相关的。由于噪声随机且互不相关,可得其平均图像的期望:
E{g′(x,y)}=f(x,y)
平均图像的方差:
由上述两式可知,m张电缆阻水缓冲层的X射线数字灰度图像的均值的期望是无噪声图像;通过增加平均图像的数量m,即可减少方差(或噪声)。
进一步地,所述窗宽窗位调节是由于电缆阻水缓冲层的X射线数字灰度图像中不同区域具有不同的像素值,因此在显示电缆阻水缓冲层时,调整窗宽窗位以选择适合观察缓冲层结构的窗宽窗位,调整过程中将大于窗口的最大值设置为灰度最大值,将小于窗口的最小值设置为灰度最小值,即为0,便于获得显示最佳效果。
进一步地,所述整体对比度增强采用巴特沃斯(Butterworth)高通滤波器及伽马变换。通过整体对比度增强,增大主绝缘、铝护套、缓冲层和缺陷之间的灰度差异,使图像在视觉上,灰度影像及其边界更加清晰,便于更好地识别。
进一步地,所述局部对比度增强采用限制对比度自适应直方图均衡算法(CLAHE),具体包括:
将整体对比度增强处理后的数字灰度图像分成若干子块,对若干子块进行直方图均衡化(HE)处理,即AHE(自适应直方图均衡化);同时为了防止局部对比度提高过大,导致图像失真,通过限制累计分布直方图(CDF)的斜率即直方图的幅值,具体为预设直方图的幅值上限,对每个子块中统计得到的直方图进行裁剪,使其幅值低于预设的幅值上限,再将这部分裁剪值形成的面积均匀地分配到整个灰度区间上,以保证直方图总面积不变;若分配后的直方图局部幅值再次超过预设的幅值上限,则重复上述裁剪过程,直到满足要求为止,得到局部对比度增强的数字灰度图像。另外,为了防止图像进行分块处理导致的块状效应,每个像素点的值由它周围子块的累计分布直方图映射函数值进行双线性插值得到。
通过局部对比度增强,使电缆阻水缓冲层图像在视觉上,缺陷及其边界更加清晰。
进一步地,所述缺陷对比之后还包括:
将该缺陷点的数字灰度图像及对应的缺陷类型添加至电缆阻水缓冲层缺陷库中,对电缆阻水缓冲层缺陷库进行扩充。
进一步地,所述缺陷对比之后还包括:
若从电缆阻水缓冲层缺陷库中未找到与初步判定出的缺陷点相匹配的灰度图像,则对对应的真实电缆位置进行现场对比,当确定为缺陷点并判断出其缺陷类型后,将该缺陷点的数字灰度图像及对应的缺陷类型添加至电缆阻水缓冲层缺陷库中,对电缆阻水缓冲层缺陷库进行扩充。
通过不断扩充电缆阻水缓冲层缺陷库,可提高缺陷判定的准确性。
进一步地,所述缺陷类型包括气孔、裂纹、白色粉末、高密度夹渣。
第二方面,提供了一种电缆阻水缓冲层缺陷识别装置,包括:
图像获取模块,用于获取电缆阻水缓冲层的X射线数字灰度图像并进行降噪处理;
窗宽窗位调节模块:用于调整窗宽窗位以从降噪处理后得到的数字灰度图像中选取待观察区域;
整体对比度增强模块,用于加强降噪处理后得到的数字灰度图像整体亮度及边缘对比度;
局部对比度增强模块,用于加强整体对比度增强后的数字灰度图像的局部亮度及边缘对比度;
灰度及形态对比模块,用于采用横向对比方式,通过对比局部对比度增强后的数字灰度图像中疑似缺陷点处的灰度及形态与横向同位置处的灰度及形态,进而初步判定出缺陷点;
缺陷对比模块,用于将初步判定出的缺陷点与预设的电缆阻水缓冲层缺陷库中的灰度图像进行比对,当从电缆阻水缓冲层缺陷库中找到相匹配的灰度图像时,该灰度图像对应的缺陷类型即为该缺陷点的最终缺陷类型。
有益效果
本发明提出了一种电缆阻水缓冲层缺陷识别方法及装置,首先获取电缆阻水缓冲层的X射线数字灰度图像,并依此进行降噪、窗宽窗位调节、整体对比度增强、局部对比度增强、灰度及形态对比,初步判定出缺陷点,然后将初步判定出的缺陷点与预设的电缆阻水缓冲层缺陷库中的灰度图像进行比对,进而确定该缺陷点对应的缺陷类型,最终实现电缆阻水缓冲层缺陷的识别。该方案能够实现对电缆阻水缓冲层X射线数字灰度图像中阻水缓冲层缺陷的精准识别,为电缆灰度图像缺陷的检测和定位提供技术支撑,极大提升电缆的安全运维水平。
附图说明
图1是本发明实施例提供的电缆阻水缓冲层缺陷识别方法流程图;
图2是本发明实施例提供的一实例中电缆阻水缓冲层的X射线数字灰度图像各处理阶段示意图,其中:
图2(a)为降噪处理后的数字灰度图像;
图2(b)为窗宽窗位调节后的数字灰度图像;
图2(c)为整体对比度增强后的数字灰度图像;
图2(d)为局部对比度增强后的数字灰度图像;
图2(e)为数字灰度图像中疑似缺陷点处的灰度及形态与横向同位置处的灰度及形态对比结果图。
具体实施方式
下面结合附图及具体实施方式对本发明进行详细说明。
本发明所述的电缆阻水缓冲层缺陷为与缓冲层密度差大于1.5%的缺陷,主要包括气孔、裂纹、白色粉末、高密度夹渣。其中白色粉末解释:大量的缓冲层缺陷解体试验表明,在具有阻水结构的电缆缓冲层、铝护套和绝缘屏蔽层中,产生了白色粉末状物质。经分析,白色粉末的主要成分是碳酸钠(Na2CO3)、碳酸氢钠(NaHCO3)和氧化铝Al2O3晶体。为了识别上述电缆阻水缓冲层缺陷,提供了如下实施例对本发明方案进行说明。
实施例1
如图1所示,本实施例提供了一种电缆阻水缓冲层缺陷识别方法,包括:
S01、获取图像:获取电缆阻水缓冲层的X射线数字灰度图像并进行降噪处理。
实施时,所述电缆阻水缓冲层的X射线数字灰度图像通过CCD或者平板探测器获得。所述降噪处理为多图平均法降噪,具体包括:
假定噪声为加性噪声,则电缆阻水缓冲层额X射线数字灰度图像可表示为:
g(x,y)=f(x,y)+δ(x,y) (1)
其中,g(x,y)为电缆阻水缓冲层的X射线数字灰度图像,f(x,y)为无噪声图像,δ(x,y)为噪声;
对于同一场景拍摄的多张电缆阻水缓冲层的X射线数字灰度图像来说,可认为无噪声图像fi(x,y)是相同的,而噪声δi(x,y)则是随机且互不相关的。故针对同一场景拍摄m张电缆阻水缓冲层的X射线数字灰度图像,并进行均值处理,得到降噪处理后的数字灰度图像g′(x,y):
其中,fi(x,y)为第i张电缆阻水缓冲层的X射线数字灰度图像的无噪声图像,δi(x,y)为第i张电缆阻水缓冲层的X射线数字灰度图像的噪声。
由于噪声随机且互不相关,可得其平均图像的期望:
E{g′(x,y)}=f(x,y) (3)
平均图像的方差:
由式(3)可知,m张电缆阻水缓冲层的X射线数字灰度图像的均值的期望是无噪声图像;由式(4)可知,通过增加平均图像的数量m,即可减少方差(或噪声)。图2(a)所示为本实施例提供的一进行了降噪处理后得到的数字灰度图像。
S02、窗宽窗位调节:调整窗宽窗位以从降噪处理后得到的数字灰度图像中选取待观察区域。由于电缆阻水缓冲层的X射线数字灰度图像中不同区域具有不同的像素值,因此在显示电缆阻水缓冲层时,调整窗宽窗位以选择适合观察缓冲层结构的窗宽窗位,调整过程中将大于窗口的最大值设置为灰度最大值,将小于窗口的最小值设置为灰度最小值,即为0,便于获得显示最佳效果。如本实施例中,数字灰度图像灰阶65536,灰度值位于0~65535之间,将窗宽窗位分别调至4000和62535,即可得到图2(b)。
S03、整体对比度增强:加强降噪处理后得到的数字灰度图像整体亮度及边缘对比度。通过整体对比度增强,增大主绝缘、铝护套、缓冲层和缺陷之间的灰度差异,使图像在视觉上,灰度影像及其边界更加清晰,便于更好地识别。本实施例中所述整体对比度增强采用巴特沃斯(Butterworth)高通滤波器及伽马变换,其中,巴特沃斯(Butterworth)高通滤波器的截止频率为0.5,阶数为0.6,伽马值为1.5。图2(c)所示为本实施例提供的一进行了整体对比度增强处理后得到的数字灰度图像。
S04、局部对比度增强:加强整体对比度增强后的数字灰度图像的局部亮度及边缘对比度。通过局部对比度增强,使电缆阻水缓冲层图像在视觉上,缺陷及其边界更加清晰。本实施例中,所述局部对比度增强采用限制对比度自适应直方图均衡算法(CLAHE),具体包括:
将整体对比度增强处理后的数字灰度图像分成若干子块,对若干子块进行直方图均衡化(HE)处理,即AHE(自适应直方图均衡化);同时为了防止局部对比度提高过大,导致图像失真,通过限制累计分布直方图(CDF)的斜率即直方图的幅值,具体为预设直方图的幅值上限,对每个子块中统计得到的直方图进行裁剪,使其幅值低于预设的幅值上限,再将这部分裁剪值形成的面积均匀地分配到整个灰度区间上,以保证直方图总面积不变;若分配后的直方图局部幅值再次超过预设的幅值上限,则重复上述裁剪过程,直到满足要求为止,得到局部对比度增强的数字灰度图像。另外,为了防止图像进行分块处理导致的块状效应,每个像素点的值由它周围子块的累计分布直方图映射函数值进行双线性插值得到。图2(d)所示为本实施例提供的一进行了局部对比度增强处理后得到的数字灰度图像,设置上限值为4,网格块状为200×200。
S05、灰度及形态对比:采用横向对比方式,通过对比局部对比度增强后的数字灰度图像中疑似缺陷点处的灰度及形态与横向同位置处的灰度及形态,进而初步判定出缺陷点。电缆在结构上具有均匀分布的性质,横向同位置分布的区域在灰度或形态上差异较小;一旦出现缺陷,缺陷区域与横向同位置及附近区域呈现出较大的灰度或形态差异,如图2(e)所示数字灰度图中块状区域与横向同位置区域在视觉上存在明显差异。在具体实施时,可依据历史经验利用人工进行横向对比,进而初步判定出缺陷点。
S06、缺陷对比:将初步判定出的缺陷点与预设的电缆阻水缓冲层缺陷库中的灰度图像进行比对,当从电缆阻水缓冲层缺陷库中找到相匹配的灰度图像时,该灰度图像对应的缺陷类型即为该缺陷点的最终缺陷类型,并将该缺陷点的数字灰度图像及对应的缺陷类型添加至电缆阻水缓冲层缺陷库中。若从电缆阻水缓冲层缺陷库中未找到与初步判定出的缺陷点相匹配的灰度图像,则对对应的真实电缆位置进行现场对比,当确定为缺陷点并判断出其缺陷类型后,将该缺陷点的数字灰度图像及对应的缺陷类型添加至电缆阻水缓冲层缺陷库中。通过不断扩充电缆阻水缓冲层缺陷库,可提高缺陷判定的准确性。
本实施例中,所述缺陷类型包括气孔、裂纹、白色粉末、高密度夹渣。电缆阻水缓冲层缺陷库为通过汇集大量经过实际验证的电缆阻水缓冲层缺陷点的灰度及形态特征图谱建立而成。在将初步判定出的缺陷点与预设的电缆阻水缓冲层缺陷库中的灰度图像进行比对时,可通过人工肉眼进行比对。当然,在其他实施例中,也可选择基于哈希的图像检索技术进行对比。
上述方案中,首先获取电缆阻水缓冲层的X射线数字灰度图像,并依此进行降噪、窗宽窗位调节、整体对比度增强、局部对比度增强、灰度及形态对比,初步判定出缺陷点,然后将初步判定出的缺陷点与预设的电缆阻水缓冲层缺陷库中的灰度图像进行比对,进而确定该缺陷点对应的缺陷类型,最终实现电缆阻水缓冲层缺陷的识别。该方案能够实现对电缆阻水缓冲层X射线数字灰度图像中阻水缓冲层缺陷的精准识别,为电缆灰度图像缺陷的检测和定位提供技术支撑,极大提升电缆的安全运维水平。
实施例2
本实施例提供了一种电缆阻水缓冲层缺陷识别装置,包括:
图像获取模块,用于获取电缆阻水缓冲层的X射线数字灰度图像并进行降噪处理;
窗宽窗位调节模块:用于调整窗宽窗位以从降噪处理后得到的数字灰度图像中选取待观察区域;
整体对比度增强模块,用于加强降噪处理后得到的数字灰度图像整体亮度及边缘对比度;
局部对比度增强模块,用于加强整体对比度增强后的数字灰度图像的局部亮度及边缘对比度;
灰度及形态对比模块,用于采用横向对比方式,通过对比局部对比度增强后的数字灰度图像中疑似缺陷点处的灰度及形态与横向同位置处的灰度及形态,进而初步判定出缺陷点;
缺陷对比模块,用于将初步判定出的缺陷点与预设的电缆阻水缓冲层缺陷库中的灰度图像进行比对,当从电缆阻水缓冲层缺陷库中找到相匹配的灰度图像时,该灰度图像对应的缺陷类型即为该缺陷点的最终缺陷类型。
本实施例的其他具体实现方案参见实施例1提供的电缆阻水缓冲层缺陷识别方法,在此不再赘述。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种电缆阻水缓冲层缺陷识别方法,其特征在于,所述电缆阻水缓冲层缺陷为与缓冲层密度差大于1.5%的缺陷;包括:
获取图像:获取电缆阻水缓冲层的X射线数字灰度图像并进行降噪处理;
窗宽窗位调节:调整窗宽窗位以从降噪处理后得到的数字灰度图像中选取待观察区域;
整体对比度增强:加强降噪处理后得到的数字灰度图像整体亮度及边缘对比度;
局部对比度增强:加强整体对比度增强后的数字灰度图像的局部亮度及边缘对比度;
灰度及形态对比:采用横向对比方式,通过对比局部对比度增强后的数字灰度图像中疑似缺陷点处的灰度及形态与横向同位置处的灰度及形态,进而初步判定出缺陷点;
缺陷对比:将初步判定出的缺陷点与预设的电缆阻水缓冲层缺陷库中的灰度图像进行比对,当从电缆阻水缓冲层缺陷库中找到相匹配的灰度图像时,该灰度图像对应的缺陷类型即为该缺陷点的最终缺陷类型。
2.根据权利要求1所述的电缆阻水缓冲层缺陷识别方法,其特征在于,所述电缆阻水缓冲层的X射线数字灰度图像通过CCD或者平板探测器获得。
3.根据权利要求1所述的电缆阻水缓冲层缺陷识别方法,其特征在于,所述降噪处理为多图平均法降噪,具体包括:
电缆阻水缓冲层的X射线数字灰度图像表示为:
g(x,y)=f(x,y)+δ(x,y)
其中,g(x,y)为电缆阻水缓冲层的X射线数字灰度图像,f(x,y)为无噪声图像,δ(x,y)为噪声;
针对同一场景拍摄m张电缆阻水缓冲层的X射线数字灰度图像,并进行均值处理,得到降噪处理后的数字灰度图像g′(x,y):
4.根据权利要求1所述的电缆阻水缓冲层缺陷识别方法,其特征在于,所述整体对比度增强采用巴特沃斯高通滤波器及伽马变换。
5.根据权利要求1所述的电缆阻水缓冲层缺陷识别方法,其特征在于,所述局部对比度增强采用限制对比度自适应直方图均衡算法,具体包括:
将整体对比度增强处理后的数字灰度图像分成若干子块,对若干子块进行直方图均衡化处理;并预设直方图的幅值上限,对每个子块中统计得到的直方图进行裁剪,使其幅值低于预设的幅值上限,再将这部分裁剪值形成的面积均匀地分配到整个灰度区间上,以保证直方图总面积不变;若分配后的直方图局部幅值再次超过预设的幅值上限,则重复上述裁剪过程,直到满足要求为止。
6.根据权利要求1至5任一项所述的电缆阻水缓冲层缺陷识别方法,其特征在于,所述缺陷对比之后还包括:
将该缺陷点的数字灰度图像及对应的缺陷类型添加至电缆阻水缓冲层缺陷库中,对电缆阻水缓冲层缺陷库进行扩充。
7.根据权利要求6所述的电缆阻水缓冲层缺陷识别方法,其特征在于,所述缺陷对比之后还包括:
若从电缆阻水缓冲层缺陷库中未找到与初步判定出的缺陷点相匹配的灰度图像,则对对应的真实电缆位置进行现场对比,当确定为缺陷点并判断出其缺陷类型后,将该缺陷点的数字灰度图像及对应的缺陷类型添加至电缆阻水缓冲层缺陷库中,对电缆阻水缓冲层缺陷库进行扩充。
8.根据权利要求1所述的电缆阻水缓冲层缺陷识别方法,其特征在于,所述缺陷类型包括气孔、裂纹、白色粉末、高密度夹渣。
9.一种电缆阻水缓冲层缺陷识别装置,其特征在于,所述电缆阻水缓冲层缺陷为与缓冲层密度差大于1.5%的缺陷;包括:
图像获取模块,用于获取电缆阻水缓冲层的X射线数字灰度图像并进行降噪处理;
窗宽窗位调节模块:用于调整窗宽窗位以从降噪处理后得到的数字灰度图像中选取待观察区域;
整体对比度增强模块,用于加强降噪处理后得到的数字灰度图像整体亮度及边缘对比度;
局部对比度增强模块,用于加强整体对比度增强后的数字灰度图像的局部亮度及边缘对比度;
灰度及形态对比模块,用于采用横向对比方式,通过对比局部对比度增强后的数字灰度图像中疑似缺陷点处的灰度及形态与横向同位置处的灰度及形态,进而初步判定出缺陷点;
缺陷对比模块,用于将初步判定出的缺陷点与预设的电缆阻水缓冲层缺陷库中的灰度图像进行比对,当从电缆阻水缓冲层缺陷库中找到相匹配的灰度图像时,该灰度图像对应的缺陷类型即为该缺陷点的最终缺陷类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010748545.6A CN111862074B (zh) | 2020-07-30 | 2020-07-30 | 一种电缆阻水缓冲层缺陷识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010748545.6A CN111862074B (zh) | 2020-07-30 | 2020-07-30 | 一种电缆阻水缓冲层缺陷识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111862074A CN111862074A (zh) | 2020-10-30 |
CN111862074B true CN111862074B (zh) | 2023-11-24 |
Family
ID=72946434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010748545.6A Active CN111862074B (zh) | 2020-07-30 | 2020-07-30 | 一种电缆阻水缓冲层缺陷识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111862074B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560778B (zh) * | 2020-12-25 | 2022-05-27 | 万里云医疗信息科技(北京)有限公司 | Dr图像身体部位识别方法、装置、设备及可读存储介质 |
CN116337879B (zh) * | 2023-05-23 | 2023-08-04 | 青岛豪迈电缆集团有限公司 | 一种电缆绝缘表皮磨损缺陷快速检测方法 |
CN117253197A (zh) * | 2023-11-20 | 2023-12-19 | 国网天津市电力公司培训中心 | 电力电缆缓冲层状态监测方法、***和设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694472A (zh) * | 2009-10-23 | 2010-04-14 | 郭震 | 缺陷孔图像识别方法 |
CN102999903A (zh) * | 2012-11-14 | 2013-03-27 | 南京理工大学 | 遥感图像光照一致性定量评价方法 |
CN104463815A (zh) * | 2014-11-24 | 2015-03-25 | 东软集团股份有限公司 | Dsa图像生成方法及*** |
CN104574316A (zh) * | 2015-01-13 | 2015-04-29 | 南京佰能唯医疗科技有限公司 | 一种数字化x线成像*** |
CN106023185A (zh) * | 2016-05-16 | 2016-10-12 | 国网河南省电力公司电力科学研究院 | 一种输电设备故障诊断方法 |
CN107064182A (zh) * | 2017-03-28 | 2017-08-18 | 国网上海市电力公司 | 一种基于x射线的高压电力电缆现场缺陷检测方法 |
CN107590511A (zh) * | 2017-08-30 | 2018-01-16 | 武汉华星光电技术有限公司 | 一种缺陷识别方法以及用于自动检查机的缺陷识别*** |
CN110196257A (zh) * | 2019-06-28 | 2019-09-03 | 国网上海市电力公司 | 一种高压电缆x射线带电无损检测装置及检测方法 |
CN209589000U (zh) * | 2019-03-05 | 2019-11-05 | 淮阴师范学院 | 测量高反射镜面形的平面镜 |
CN110543859A (zh) * | 2019-09-05 | 2019-12-06 | 大连海事大学 | 一种基于深度学习和双目定位的海参自主识别和抓取方法 |
CN110942457A (zh) * | 2019-11-30 | 2020-03-31 | 天津大学 | 基于数字图像处理技术的太阳能电池板缺陷检测方法 |
CN111060848A (zh) * | 2019-12-31 | 2020-04-24 | 上海电缆研究所有限公司 | 半导电缓冲层电气的测试电路、评估方法及处理终端 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005173700A (ja) * | 2003-12-08 | 2005-06-30 | Canon Inc | 指紋読み取り装置及び個人認証システム |
JP6448509B2 (ja) * | 2015-10-30 | 2019-01-09 | 富士フイルム株式会社 | 内視鏡システム、プロセッサ装置、及び、内視鏡システムの作動方法 |
-
2020
- 2020-07-30 CN CN202010748545.6A patent/CN111862074B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694472A (zh) * | 2009-10-23 | 2010-04-14 | 郭震 | 缺陷孔图像识别方法 |
CN102999903A (zh) * | 2012-11-14 | 2013-03-27 | 南京理工大学 | 遥感图像光照一致性定量评价方法 |
CN104463815A (zh) * | 2014-11-24 | 2015-03-25 | 东软集团股份有限公司 | Dsa图像生成方法及*** |
CN104574316A (zh) * | 2015-01-13 | 2015-04-29 | 南京佰能唯医疗科技有限公司 | 一种数字化x线成像*** |
CN106023185A (zh) * | 2016-05-16 | 2016-10-12 | 国网河南省电力公司电力科学研究院 | 一种输电设备故障诊断方法 |
CN107064182A (zh) * | 2017-03-28 | 2017-08-18 | 国网上海市电力公司 | 一种基于x射线的高压电力电缆现场缺陷检测方法 |
CN107590511A (zh) * | 2017-08-30 | 2018-01-16 | 武汉华星光电技术有限公司 | 一种缺陷识别方法以及用于自动检查机的缺陷识别*** |
CN209589000U (zh) * | 2019-03-05 | 2019-11-05 | 淮阴师范学院 | 测量高反射镜面形的平面镜 |
CN110196257A (zh) * | 2019-06-28 | 2019-09-03 | 国网上海市电力公司 | 一种高压电缆x射线带电无损检测装置及检测方法 |
CN110543859A (zh) * | 2019-09-05 | 2019-12-06 | 大连海事大学 | 一种基于深度学习和双目定位的海参自主识别和抓取方法 |
CN110942457A (zh) * | 2019-11-30 | 2020-03-31 | 天津大学 | 基于数字图像处理技术的太阳能电池板缺陷检测方法 |
CN111060848A (zh) * | 2019-12-31 | 2020-04-24 | 上海电缆研究所有限公司 | 半导电缓冲层电气的测试电路、评估方法及处理终端 |
Non-Patent Citations (4)
Title |
---|
Experimental study of eddy structures in a turbulent boundary layer using particle image velocimetry;Carlier J等;《Journal of Fluid Mechanics》(第535期);143-188 * |
关于埋地管道检验检测的必要性及建议;黄新宇等;《中国石油石化》(第4期);120-121 * |
孙即祥.数字图象处理.《河北教育出版社》,1993,(第1版),136-137. * |
对比度受限下直方图均衡化处理的木板纹路图像增强算法;张发军等;《科学技术与工程》;第20卷(第21期);正文第8630-8631页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111862074A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111862074B (zh) | 一种电缆阻水缓冲层缺陷识别方法及装置 | |
CN105225210B (zh) | 一种基于暗通道的自适应直方图增强去雾方法 | |
CN107505546A (zh) | 一种利用紫外成像仪监测电晕放电的方法 | |
CN109377450B (zh) | 一种边缘保护的去噪方法 | |
CN111539954B (zh) | 采用x射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质 | |
CN111612725B (zh) | 一种基于可见光图像对比度增强的图像融合方法 | |
CN107742307A (zh) | 基于改进帧差法的输电线路舞动特征提取及参数分析方法 | |
CN115631116B (zh) | 基于双目视觉的飞行器电力巡检*** | |
CN115797473B (zh) | 一种土建工程用混凝土成型评估方法 | |
CN112750090A (zh) | 一种改进小波阈值的水下图像降噪方法及*** | |
US9858656B2 (en) | Video interpretability and quality estimation | |
CN116630321A (zh) | 基于人工智能的桥梁健康智能监测*** | |
Wang et al. | Image enhancement for radiography inspection | |
CN109447920A (zh) | 基于陷波滤波器的条带噪声自动去除方法 | |
CN115631191A (zh) | 一种基于灰度特征和边缘检测的堵煤检测算法 | |
CN116664567A (zh) | 一种固体绝缘开关柜质量评估方法及*** | |
CN113899349B (zh) | 海浪参数检测方法、设备及存储介质 | |
CN110349113B (zh) | 一种基于暗原色先验改进的自适应图像去雾方法 | |
CN111445435B (zh) | 一种基于多区块小波变换的无参考图像质量评价方法 | |
CN109801257A (zh) | 无参考dibr生成图像质量评价方法 | |
CN106846262B (zh) | 去除蚊式噪声的方法及*** | |
Asatryan et al. | Quality assessment measure based on image structural properties | |
Abbaspour et al. | A new fast method for foggy image enhancement | |
CN112419213B (zh) | 一种sf6红外图像增强方法及*** | |
Sangeetha et al. | Image defogging using enhancement techniques |
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 |