[发明专利]一种电线电缆缺陷检测系统

权利要求书

1.一种电线电缆缺陷检测系统，其特征在于：包括控制器，所述控制器与用于采集电缆图像以及垂直轴向X光图像的图像采集模块相连，所述控制器与用于对采集图像进行预处理的图像预处理模块相连，所述控制器与用于提取处理后电缆图像的特征向量的特征向量提取模块相连，所述控制器与用于对提取的特征向量进行随机组合的特征向量组合模块相连，所述控制器与用于对随机组合特征向量进行分类并计算的特征向量分类模块相连，所述控制器与用于根据特征向量分类模块的计算结果确定缺陷位置的缺陷位置确定模块相连；

所述控制器与用于构建从垂直轴向X光图像中识别电缆缺陷的缺陷识别模型的缺陷识别模型构建模块相连，所述控制器与用于输出缺陷识别模型识别结果的缺陷识别结果输出模块相连；

还包括用于存储历史离群点数据对应缺陷类型的故障数据分类存储模块，以及用于存储正常电缆工作数据的正常数据存储模块，所述控制器与用于采集电缆工作数据的数据采集模块相连，所述控制器与用于对电缆工作数据进行离群点检测的离群点检测模块相连，所述控制器与用于根据离群点检测结果对应故障数据分类存储模块中存储的缺陷类型进行判断的分析判断模块相连。

2.根据权利要求1所述的电线电缆缺陷检测系统，其特征在于：所述图像预处理模块对采集图像进行预处理，包括对采集图像进行倾斜校正；对采集图像进行滤波，降低量子噪声和颗粒噪声；对采集图像进行灰度调节和锐化。

3.根据权利要求1所述的电线电缆缺陷检测系统，其特征在于：所述特征向量提取模块通过卷积神经网络提取处理后电缆图像的特征向量，所述特征向量组合模块通过池化层和区域卷积神经网络对提取的特征向量进行随机组合。

4.根据权利要求3所述的电线电缆缺陷检测系统，其特征在于：所述特征向量分类模块采用黄金分割法对随机组合特征向量进行分类，并计算分类后特征向量的数值，所述缺陷位置确定模块通过快速区域卷积神经网络寻找异常数值，并确定缺陷位置。

5.根据权利要求4所述的电线电缆缺陷检测系统，其特征在于：所述卷积神经网络、区域卷积神经网络、快速区域卷积神经网络共用一层卷积层。

6.根据权利要求1所述的电线电缆缺陷检测系统，其特征在于：所述缺陷识别模型识别垂直轴向X光图像中待测电缆的位置，并根据预设待测电缆的型号识别垂直轴向X光图像中待测电缆的结构，根据垂直轴向X光图像中待测电缆的结构判断待测电缆的缺陷，并在垂直轴向X光图像中标示出。

7.根据权利要求6所述的电线电缆缺陷检测系统，其特征在于：所述缺陷识别模型的训练方法，包括：

人工采集各类型号电缆的垂直轴向X光图像，并在图像中待测电缆对应的结构上标示出缺陷位置，将标示后的垂直轴向X光图像输入缺陷识别模型中进行训练，得到训练好的缺陷识别模型。

8.根据权利要求1所述的电线电缆缺陷检测系统，其特征在于：所述离群点检测模块利用基于密度和距离双参数的离群点检测算法对数据采集模块采集的电缆工作数据进行离群点检测。

9.根据权利要求8所述的电线电缆缺陷检测系统，其特征在于：所述离群点检测模块对电缆工作数据的离群点检测结果小于阈值，则所述分析判断模块判断该电缆工作数据属于正常数据，并将该电缆工作数据存入正常数据存储模块；

否则，所述分析判断模块判断该电缆工作数据属于故障数据，将该电缆工作数据存入故障数据分类存储模块，同时根据历史离群点数据对应缺陷类型判断该电缆工作数据对应的缺陷类型。