期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
高压电缆X射线数字影像深度处理和缓冲层缺陷智能识别技术
被引量：
24
1
作者
刘三伟
谢亿
+4 位作者
张军
段建家
黄福勇
段肖力
曾泽宇
《南方电网技术》
CSCD
北大核心
2020年第12期66-70,共5页
采用X射线数字成像的方式能够实现对电力电缆本体的无损检测,但目前缺乏对X射线数字影像的深度处理和缺陷识别方法,无法从原始的数字影像中直接对电缆本体和缺陷进行检测识别。因此,本文研究了电力电缆X射线数字影像深度处理和缓冲层缺...
采用X射线数字成像的方式能够实现对电力电缆本体的无损检测,但目前缺乏对X射线数字影像的深度处理和缺陷识别方法,无法从原始的数字影像中直接对电缆本体和缺陷进行检测识别。因此,本文研究了电力电缆X射线数字影像深度处理和缓冲层缺陷智能识别技术,提出了全卷积神经网络(full convolution neural network,FCN)法。采用灰度处理技术,将原始的图像灰阶范围压缩至人眼可识别范围,然后进行缺陷标识,再采用传统卷积神经网络(convolution neural network,CNN)法和所提方法对图像数据进行训练,实现对电力电缆缓冲层缺陷的智能识别。结果表明,相比于CNN法,所提FCN法具有更加清晰直观的识别效果。
展开更多
关键词
电力电缆
缓冲层缺陷
x射线数字影像
深度处理
缺陷智能识别
在线阅读
下载PDF
职称材料
题名
高压电缆X射线数字影像深度处理和缓冲层缺陷智能识别技术
被引量：
24
1
作者
刘三伟
谢亿
张军
段建家
黄福勇
段肖力
曾泽宇
机构
国网湖南省电力有限公司电力科学研究院
出处
《南方电网技术》
CSCD
北大核心
2020年第12期66-70,共5页
基金
国网湖南电力有限公司资助项目(5216A5200004)。
文摘
采用X射线数字成像的方式能够实现对电力电缆本体的无损检测,但目前缺乏对X射线数字影像的深度处理和缺陷识别方法,无法从原始的数字影像中直接对电缆本体和缺陷进行检测识别。因此,本文研究了电力电缆X射线数字影像深度处理和缓冲层缺陷智能识别技术,提出了全卷积神经网络(full convolution neural network,FCN)法。采用灰度处理技术,将原始的图像灰阶范围压缩至人眼可识别范围,然后进行缺陷标识,再采用传统卷积神经网络(convolution neural network,CNN)法和所提方法对图像数据进行训练,实现对电力电缆缓冲层缺陷的智能识别。结果表明,相比于CNN法,所提FCN法具有更加清晰直观的识别效果。
关键词
电力电缆
缓冲层缺陷
x射线数字影像
深度处理
缺陷智能识别
Keywords
power cable
buffer layer defect
x
-ray digital image
depth processing
intelligent defect identification
分类号
TM751 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
高压电缆X射线数字影像深度处理和缓冲层缺陷智能识别技术
刘三伟
谢亿
张军
段建家
黄福勇
段肖力
曾泽宇
《南方电网技术》
CSCD
北大核心
2020
24
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
