一种电缆阻水缓冲层缺陷的X射线图像特征识别定位方法与流程

一种电缆阻水缓冲层缺陷的x射线图像特征识别定位方法
技术领域
1.本发明涉及电缆缺陷检测技术，具体涉及一种电缆阻水缓冲层缺陷的x射线图像特征识别定位方法。


背景技术：

2.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。
3.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。但对于电缆，存在一些问题：(1)x射线无法穿透电缆中心导体，导致部分区域在单个方向拍摄时成像信息丢失。(2)由于电缆结构本身复杂性及成像条件的限制，采用数字x射线对电缆进行成像后，导致电缆结构包括缓冲层部分的对比度较低。(3)单个方向的图像信息只能初步判断有无缺陷以及缺陷的大致位置，不能对电缆缺陷的位置进行精准定位，易导致缺陷误判。(4)利用多个方向的图像进行三维重构，可以做到缺陷精确定位，然而电缆具有长尺寸、小缺陷等特点，直接使用该方法将导致电缆三维重构耗时长、缺陷识别效率低等问题。因此，实现电缆阻水缓冲层缺陷的高效准确识别及定位，将具有很强的实用价值。


技术实现要素：

4.针对现有技术的上述问题，提供一种电缆阻水缓冲层缺陷的x射线图像特征识别定位方法，该方法能够实现对电缆x射线图像中阻水缓冲层缺陷的精准高效识别及定位，为电缆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。
5.为实现上述技术目的，本发明采用如下技术方案：
6.一种电缆阻水缓冲层缺陷的x射线图像特征识别定位方法，包括以下步骤：
7.步骤1，稀疏旋转拍摄：绕电缆轴线方向旋转射线机及成像装置，获取少量能够覆盖电缆缓冲层的x射线数字灰度图像；
8.步骤2，缺陷初识别：利用图像增强算法对步骤1获取的图像进行图像增强，并识别其中的缺陷位置；
9.步骤3，缺陷初定位：利用步骤2识别到的缺陷在图像中的位置，初始确定缺陷在电缆上的轴向区间；
10.步骤4，密集旋转拍摄：绕电缆轴线方向旋转射线机及成像装置，获取电缆在步骤3确定的轴向区间的多个不同角度下的x射线数字灰度图像；
11.步骤5，三维图像重构：根据步骤4获取的图像，分别按照滤波反投影法进行重构得到二维重构图像，即为具有缺陷的电缆轴向区间在不同横截面下的二维重构图像；
12.步骤6，缺陷终识别：对步骤5获得的二维重构图像进行图像增强，识别其中的缺陷位置；
13.步骤7，缺陷终定位：综合步骤6得到的电缆在不同横截面下的缺陷位置，最终确定
缺陷在电缆上的三维立体信息。
14.进一步地，所述射线机采用锥形束射线机或者平行束射线机，所述成像装置为ccd或者平板探测器。
15.进一步地，步骤4使用等角度拍摄多个x射线数字灰度图像；且在每个角度对应的横截面下，射线机的射线源中心、电缆假定中心、成像装置中心在同一直线上，且该直线垂直于平板探测器；射线机和成像装置在旋转时，射线源中心、电缆假定中心、成像装置中心之间距离保持不变。
16.进一步地，步骤2和步骤6中的缺陷位置识别，可以为人工筛选或者基于深度学习算法的图像识别。
17.进一步地，步骤1中，选择两个垂直角度的x射线数字灰度图像。
18.进一步地，所述图像增强算法包括但不限于：窗宽窗位调节、图像滤波和/或对比度增强。
19.进一步地，步骤3初始确定缺陷在电缆上的轴向区间的方法为：设步骤2确定的缺陷在图像中的轴向区间为h’d’，其中h’和d’分别为缺陷在图像y轴上的最高点和最低点；hd为h’d’在y轴上的投影，hs为射线源s发出的x射线穿过电缆投射到点h的直线，与电缆先后相交于点e和点g；ds为射线源s发出的x射线穿过电缆投射到点d的直线，与电缆先后相交于点a和点c；从x射线成像原理可知，在过边界ac及ge且垂直于纸面的两个平面内的缺陷都可能形成高差尺寸为hd的图像，则a’g即为缺陷在电缆上的轴向区间。
20.进一步地，步骤5按照滤波反投影法进行重构的方法为：先对图像的灰度进行空间加权，然后将图像中电缆导体两侧的非导体区域进行拼接，再进行fft和ifft操作，随后将非导体区域恢复到拼接前位置，将导体区域补零值，再对获得的图像灰度值按照重构图像的空间位置进行灰度加权，最后对不同旋转角度下图像灰度值进行叠加及直方图拉伸处理，从而得到不同横截面下的二维重构图像。
21.有益效果
22.本发明的有益效果是：首先稀疏旋转拍摄获取少量覆盖缓冲层的x射线图像，快速筛选存在缺陷的电缆区域，初步确定缺陷在轴向的大致区间；再针对该区间范围的电缆，通过密集旋转拍摄获取各角度的x射线图像，并采用滤波反投影法对图像进行重构，滤除中间导体区域后再进行fft和ifft操作，随后将非导体区域恢复到拼接前位置，将导体区域补零值，再对获得的图像灰度值按照重构图像的空间位置进行加权，最后对不同旋转角度下图像灰度值进行叠加及直方图拉伸处理，从而得到不同横截面下的二维重构图像。因此，本发明可以高效准确判定x射线图像中是否存在缓冲层缺陷及其位置。
附图说明
23.图1是本技术实施例所述的稀疏旋转拍摄示意图；
24.图2是本技术实施例所述的电缆轴线方向重构区域示意图；
25.图3是本技术实施例所述的电缆横截面方向重构区域及方法示意图；
26.图4是本技术实施例所述的应用实例图；其中：右上角为缺陷初识别位置，下方为缺陷终识别位置，y轴位置从图像底部开始算起。
具体实施方式
27.下面对本发明的实施例作详细说明，本实施例以本发明的技术方案为依据开展，给出了详细的实施方式和具体的操作过程，对本发明的技术方案作进一步解释说明。
28.本发明涉及的电缆阻水缓冲层缺陷的定义：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：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。
29.本实施例的一种电缆阻水缓冲层缺陷的x射线图像特征识别定位方法，包括以下步骤：
30.步骤1，稀疏旋转拍摄：绕电缆轴线方向旋转射线机及成像装置，获取少量能够覆盖电缆缓冲层的x射线数字灰度图像；
31.其中的射线机可以采用锥形束射线机或者平行束射线机，成像装置可以采用ccd或者平板探测器。具体到本实施例中，考虑到现场电缆的拍摄环境，优选使用锥形束射线机及等距平板探测器。
32.考虑减少无缺陷电缆的拍摄及识别时间，优选地，选择两个垂直角度进行拍摄，如图1，一般可确保阴影部分没有遮挡电缆缓冲层等待识别区域。
33.步骤2，缺陷初识别：利用图像增强算法对步骤1获取的图像进行图像增强，并识别其中的缺陷位置；
34.其中，所述图像增强算法包括但不限于：窗宽窗位调节、图像滤波和/或对比度增强。
35.增强后的图像，可获得肉眼可分辨的缺陷数据，因此缺陷位置识别可以采用人工筛选。当然还可以利用图像识别如深度学习算法进行缺陷位置识别。学习算法主要包括卷积神经网络系列算法，如cnn、fcn等。图4右上角为缺陷初识别区域。
36.步骤3，缺陷初定位：利用步骤2识别到的缺陷在图像中的位置，初始确定缺陷在电缆上的轴向区间；此步骤主要确定缺陷所在的电缆横截面的大致范围，图2中介绍了反投影法中缺陷所在的范围位置确定方法。
37.如图2所示，在电缆轴线方向重构区域具体为：h’d’为步骤2初步确定的缺陷在图像中的轴向区间，其中h’和d’分别为缺陷在图像y轴上的最高点和最低点；hd为h’d’在y轴上的投影，hs为射线源s发出的x射线穿过电缆投射到点h的直线，与电缆先后相交于点e和点g；ds为射线源s发出的x射线穿过电缆投射到点d的直线，与电缆先后相交于点a和点c。从x射线成像原理可知，在过边界ac及ge且垂直于纸面的两个平面内的缺陷都可能形成高差尺寸为hd的图像，因此，对于上述方案，a’g即为需要重构的电缆横截面范围，可以求得a’g的数值如下：
[0038][0039]
其中，mn为电缆重构的假定直径。
[0040]
实测经验表明，hd的尺寸远小于电缆在y向上成像尺寸，受锥形束最大斜射角度及
平板探测器尺寸限制，平板探测器一般需靠近电缆，故pn较小，而射线源则远离电缆放置，故sp远大于pn，且一般也远大于dp，故均较小，从而a’g也远小于电缆在y向上的成像尺寸。对于平行束射线源，则有a’g＝hd，也远小于电缆在y向上的成像尺寸。由于后续步骤只需要对a’g范围内横截面进行重构，因而极大的节省了计算时间。
[0041]
步骤4，密集旋转拍摄：绕电缆轴线方向旋转射线机及成像装置，获取电缆在步骤3确定的轴向区间的多个不同角度下的x射线数字灰度图像；
[0042]
其中，使用等角度拍摄多个x射线数字灰度图像；且在每个角度对应的横截面下，射线机的射线源中心、电缆假定中心、成像装置中心在同一直线上，且该直线垂直于平板探测器；射线机和成像装置在旋转时，射线源中心、电缆假定中心、成像装置中心之间距离保持不变。
[0043]
本实施例中记载的密集旋转拍摄，是指在射线机和成像装置旋转的过程中的图像采集频率，要求每间隔1
°
至少拍摄1张图像，且射线机和成像装置的旋转角度大于180
°
。稀疏拍摄即是以间隔1
°
以上的频率拍摄图像。
[0044]
电缆假定中心：电缆考虑为圆柱体，其横截面是一个圆，圆的中心就是电缆中心，但是电缆本身不是一个理想的圆柱体，因此需要人工假定一个中心为电缆中心。这个中心及其半径涵盖的圆能覆盖真实的电缆横截面即可。
[0045]
步骤5，三维图像重构：根据步骤4获取的图像，分别按照滤波反投影法进行重构得到二维重构图像，即为具有缺陷的电缆轴向区间在不同横截面下的二维重构图像。
[0046]
本实施例中，根据步骤3确定缺陷初步定位信息以及电缆的自身结构特点，通过在电缆横截面及轴线方向对重构区域进行优化，从而节省了重构时间。
[0047]
具体地，由于电缆长度在半径方向小于轴线方向，且电缆导体的信息相对不重要，故可设定图中的阴影区域(即导体两侧的非导体区域)为重建区域，优选地，重建方法为滤波反投影法，因此，在滤波前对灰度进行空间加权后，此时可对图像进行拼接，然后再进行fft和ifft操作，随后将非导体区域恢复到拼接前位置，将导体区域补零值，再对获得的图像灰度值按照重构图像的空间位置进行灰度加权，最后对不同旋转角度下图像灰度值进行叠加及直方图拉伸处理，从而得到不同横截面下的二维重构图像。
[0048]
本实施例中的对灰度进行空间加权是现有技术。本实施例中由于采用的是锥形束射线源，因此需要进行空间灰度加权，就是原图像和重构图像的像素需要利用其在空间上的位置进行修改，即像素需要乘以空间加权的权重因子。若采用平行束射线源则不需要加权，权重即为1。
[0049]
由图3可知，若将中间导体计算在内进行fft和ifft操作时，时间复杂度为o(m*n*logn)，而本发明先不考虑中间导体，对图像中导体两侧的区域进行图像拼接融合，然后再进行fft和ifft计算，最后对中间导体区域进行补零操作，时间复杂度则为o(m*(n-n)*log(n-n))，因而节省了计算时间。
[0050]
步骤6，缺陷终识别：对步骤5获得的二维重构图像进行图像增强，识别其中的缺陷位置；
[0051]
步骤5得到的二维重构图像，即是步骤2确定的轴向区间内各y轴(电缆轴向)值对应横截面图像，该步骤6识别的即是该横截面图像中的缺陷位置信息。比如y＝10mm对应的
横截面图像，步骤6识别图像中的缺陷位置范围为x＝-34.6～-38.1mm，z＝4.0～12.1mm(以图像中间为原点，x为水平方向，右为正，z为垂直方向，上为正)。
[0052]
图像增强后可获得肉眼可分辨的缺陷数据，除人工筛选缺陷外，还可以利用图像识别如深度学习算法进行缺陷终识别，图像增强算法、深度学习算法同步骤2，具体见图4。由图4可知，步骤2中初识别的缺陷并非全为缓冲层缺陷，有些可能位于铝护套与外护套之间的缺陷，这种缺陷的危害性明显小于缓冲层缺陷，而步骤2是无法有效区分的。
[0053]
步骤7，缺陷终定位：综合步骤6得到的电缆在不同横截面下的缺陷位置，结合其横截面的定位信息(即电缆轴向值)及在横截面下的空间定位信息(即横截面图像中的缺陷位置信息)，对缺陷进行最终定位，即可最终确定缺陷在电缆上的三维立体信息。
[0054]
由图4可知，采用本发明的方法可以精确识别和定位缺陷，因此，具有很强的实用价值。
[0055]
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
[0056]
以上所述为本发明的完整实施情况。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。