基于人工智能的电缆缺陷检测方法及系统

1.本技术涉及电缆检测领域，尤其涉及一种基于人工智能的电缆缺陷检测方法及系统。


背景技术：

2.随着电缆检测技术的深入研究，电缆的离线检测、缺陷检测、在线监测技术都得到了长足的进步，然而某些局部微观造成的电缆缺陷往往还存在检测难点，现有人工检测往往很难发现这种局部细微的缺陷问题，从而渐渐的造成缺陷放大，进一步造成电路缺陷及经济损失，常规已有的检测分析方法来分析都难以得到准确的运行状态，检测人员需自行确定检测区域、检测项目、检测标准等检测参数。这种手动检测的方法使得检测参数的设置与工人操作经验有关，不能保证相同的品质标准，从而导致对电路板检测的准确率低。


技术实现要素：

3.为解决上述现有问题，本技术提供一种基于人工智能的电缆缺陷检测方法及系统，包括：获取电缆系统的存储数据；依据所述存储数据分析获得影响所述电缆系统的影响因子，以及与所述影响因子对应的影响权重；将不同电缆系统在不同周期的存储数据作为训练样本数据，训练人工智能模型；获取任一电缆系统的当前数据，以对当前电缆系统的所述影响因子和影响权重进行赋值，通过人工智能模型计算当前电缆系统的缺陷发生概率，并推断当前电缆系统潜在缺陷问题。
4.在某些实施例中，所述将不同电缆系统在不同周期的存储数据作为训练样本数据，训练人工智能模型，具体为：依据不同电缆系统的不同周期对应的影响因子和影响权重分别计算对应的缺陷发生概率，所述概率等于影响因子和影响权重的乘积求和，根据不同电缆系统的不同周期的缺陷发生概率训练人工智能模型。
5.在某些实施例中，所述获取任一电缆系统的当前数据，以对当前电缆系统的所述影响因子和影响权重进行赋值，通过人工智能模型计算当前电缆系统的缺陷发生概率，并推断当前电缆系统潜在缺陷问题，之前还包括：依据不同电缆系统在不同周期的存储数据生成缺陷等级判断规则。
6.在某些实施例中，所述通过人工智能模型计算当前电缆系统的缺陷发生概率，具体包括：依据所述缺陷等级判断规则确定当前电缆系统的缺陷发生概率的缺陷等级，所述缺陷等级包括无缺陷、微小缺陷、中型缺陷、严重缺陷。
7.在某些实施例中，还包括：所述人工智能模型对待检测图像和所述至少一个目标子图像进行处理，得到至少一个目标缺陷框，根据所述至少一个目标缺陷框得到至少一个目标缺陷图像。
8.在某些实施例中，还包括：对于所述待检测图像和所述至少一个目标子图像中的任一待处理图像，基于所述人工智能模型将所述待处理图像划分为至少两个图像块；对于任一图像块，响应于所述图像块被检测为缺陷的概率大于第一概率，对所述图像块进行边
框回归校准，得到第二目标缺陷框，所述边框回归校准用于将所述图像块的边框基于压缩比例转换为在所述待检测图像中的目标缺陷框；响应于得到的第二目标缺陷框的数量大于一，对至少两个第二缺陷框进行去重，得到最终确定目标缺陷框。
9.本技术还公开了一种基于人工智能的电缆缺陷计算系统，包括：
10.获取单元，用于获取电缆系统的存储数据，以及获取任一电缆系统的当前数据；处理单元，用于依据所述存储数据分析获得影响所述电缆系统的影响因子，以及与所述影响因子对应的影响权重；训练单元，用于将不同电缆系统在不同周期的存储数据作为训练样本数据，训练人工智能模型；计算单元，用于对当前电缆系统的所述影响因子和影响权重进行赋值，通过人工智能模型计算当前电缆系统的缺陷发生概率，并推断当前电缆系统潜在缺陷问题。
11.在某些实施例中，所述处理单元依据不同电缆系统在不同周期的存储数据生成缺陷等级判断规则。
12.在某些实施例中，还包括判断单元，所述判断单元依据所述缺陷等级判断规则确定当前电缆系统的缺陷发生概率的缺陷等级，所述缺陷等级包括无缺陷、微小缺陷、中型缺陷、严重缺陷。
13.在某些实施例中，所述计算单元还包括，将所述人工智能模型对待检测图像和所述至少一个目标子图像进行处理，得到至少一个目标缺陷框，根据所述至少一个目标缺陷框得到至少一个目标缺陷图像。
14.从以上技术方案可以看出，本技术具有以下优点：
15.本方法及系统检测标准统一，避免人工巡检时的不同人使用不同主观标准。采用特定的人工智能模型解决了电缆缺陷数据难以有效获取和适用于不同检测系统的难题，通过算法实现局部数据的自验证解决了传统方法中少数比较重要的特征变量被过滤、影响权重较小的特征被保留的问题，可以产生明显的直接经济效益，预防电力设备故障的发生，避免因故障造成严重的经济损失以及因故障检修而投入的人力物力，间接效益显著。
16.本技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
17.本技术的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
18.图1为本技术提供的一种实施例的流程示意图；
19.图2为本技术提供的另一种实施例的流程示意图；
20.图3为本技术提供的一种实施例的系统示意图。
具体实施方式
21.下面详细描述本技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本技术，而不能理解为对本技术的限制。
22.在本技术的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能
理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
23.下文的公开提供了许多不同的实施方式或例子用来实现本技术的不同结构。为了简化本技术的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本技术。此外，本技术可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本技术提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
24.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
25.请参考图1，本实施例的基于人工智能的电缆缺陷检测方法，包括如下步骤：
26.s101、获取电缆系统的存储数据；
27.s102、依据所述存储数据分析获得影响所述电缆系统的影响因子，以及与所述影响因子对应的影响权重；
28.s103、将不同电缆系统在不同周期的存储数据作为训练样本数据，训练人工智能模型；
29.s104、获取任一电缆系统的当前数据，以对当前电缆系统的所述影响因子和影响权重进行赋值，通过人工智能模型计算当前电缆系统的缺陷发生概率，并推断当前电缆系统潜在缺陷问题。
30.步骤s101中，利用大数据技术,将多个电缆系统的大量的、多样的、低价值密度的信息集合进捕捉、分析、管理，并在步骤s102中，将上述存储数据进行分析，将能够影响电缆系统的尽可能多的影响因素进行分析提炼成数量众多的影响因子，且每个影响因子具有对应的影响权重，影响权重是根据不同的影响因子可能造成电缆系统出现跳闸等缺陷的影响力权衡系数，对于具有缺陷决定性的影响因子，其对应的影响权重数值较大，对于影响力较小的影响因子，其对应的影响权重数值较小，而对于电缆系统的边缘性影响因子其影响权重极小，从而通过不同数值的影响权重体现不同影响因子对电缆系统出现缺陷的影响程度。
31.值得注意的是，这里的影响权重可以是常数，也可以是一个在不同周期数值不同的变量，以反映影响因子对电缆系统在不同周期具有的影响程度。在上述步骤中，本实施例将一些看似毫无关联的数据有机结合，形成个性化的、针对性的解决问题的数据库。接着，在步骤s103中，再通过人工智能的技术对这些数据进行利用，训练人工智能模型，以使人工智能模型能够更加高效、智能、更加准确地计算电缆缺陷，节省因电缆缺陷所耗费的用于缺陷排查、维护的大量人力物力。
32.在某些实施例中，所述步骤s103具体为：
33.依据不同电缆系统的不同周期对应的影响因子和影响权重分别计算对应的缺陷发生概率，根据不同电缆系统的不同周期的缺陷发生概率训练人工智能模型。
34.在某些实施例中，所述步骤s104之前还包括：
35.依据不同电缆系统在不同周期的存储数据生成缺陷等级判断规则。
36.进一步地，所述步骤s104中的通过人工智能模型计算当前电缆系统的缺陷发生概率，具体包括：
37.依据所述缺陷等级判断规则确定当前电缆系统的缺陷发生概率的缺陷等级，所述缺陷等级包括无缺陷、微小缺陷、中型缺陷、严重缺陷、。
38.在某些实施例中，所述步骤s104之后还包括：
39.将当前电缆系统的当前数据作为训练样本数据，迭代训练所述人工智能模型。
40.在某些实施例中，所述存储数据包括缺陷数据和对应的非缺陷数据，所述缺陷数据包括描述电缆系统缺陷的原因和症状，所述非缺陷数据包括出现电缆缺陷前后的环境数据。
41.进一步地，所述环境数据包括电缆负荷量、假节日、用电高峰期、电缆长度、变压器数量、大工厂数量、跨域地线、季节、重复跳闸率、电缆新旧。
42.这里，按照电缆系统的各方面因素的权重比例定义函数p＝∑xi*ai，如f(x1,x2,
……
,xn,)＝x1*a1 x2*a2
……
, xn*an,影响因子等自变量可以电缆负荷量、假节日、用电高峰期、电缆长度、变压器数量、大工厂数量、跨域地线、季节、重复跳闸率、电缆新旧等因素的分数，与影响因子对应的影响权重是根据各种因素可能造成电缆跳闸的影响力权衡系数，此系数为常数，对于决定性因素，其系数占比大，对于影响小的因素其系数占比小，对于边缘性因素其权衡系数极小。而在人工智能模型中，这些影响因素(自变量)可以是成百上千个，除了几个决定性因素之外，此外还有众多因素虽每个因素对结果影响不大，但因数数量庞大，运用了极限的思想，综合考虑了众多因素，使判断结果更为客观、真实、更具说服力和权威性。由于每条电缆的相关数据是不同的，故函数的值是不同的，系统将对不同电缆进行计算，未来在某时段某气候中型缺陷何种缺陷，制定相应的应对策略。
43.如图2所述，本技术进一步的还包括：
44.步骤s105：所述人工智能模型对待检测图像和所述至少一个目标子图像进行处理，得到至少一个目标缺陷框，根据所述至少一个目标缺陷框得到至少一个目标缺陷图像。
45.步骤s106：对于所述待检测图像和所述至少一个目标子图像中的任一待处理图像，基于所述人工智能模型将所述待处理图像划分为至少两个图像块；
46.对于任一图像块，响应于所述图像块被检测为缺陷的概率大于第一概率，对所述图像块进行边框回归校准，得到第二目标缺陷框，所述边框回归校准用于将所述图像块的边框基于压缩比例转换为在所述待检测图像中的目标缺陷框；响应于得到的第二目标缺陷框的数量大于一，对至少两个第二缺陷框进行去重，得到最终确定目标缺陷框。
47.结合图1和图2所示，本发明通过电缆系统的存储数据获得影响该电缆系统的影响因子，以及与该影响因子对应的影响权重，并将不同电缆系统在不同周期的存储数据作为训练样本数据，训练人工智能模型，借助人工智能的自我学习和大数据的不断更新迭代，不断训练人工智能模型，使得训练人工智能模型能够不断适应新的环境，以对电缆系统的当前数据进行高效、智能的缺陷计算，并能够快速计算当前电缆的潜在缺陷问题，便于运营人员未雨绸缪，尽早解决当前电缆系统的潜在缺陷，以保证电缆系统的稳定性。
48.参阅图3，本实施例的基于人工智能的电缆缺陷计算系统包括获取单元10、处理单元20、训练单元30、计算单元40，所述获取单元用于获取电缆系统的存储数据，以及获取任一电缆系统的当前数据；所述处理单元用于依据所述存储数据分析获得影响所述电缆系统
的影响因子，以及与所述影响因子对应的影响权重，所述训练单元用于将不同电缆系统在不同周期的存储数据作为训练样本数据，训练人工智能模型；所述计算单元用于对当前电缆系统的所述影响因子和影响权重进行赋值，通过人工智能模型计算当前电缆系统的缺陷发生概率，并推断当前电缆系统潜在缺陷问题。
49.在某些实施例中，所述处理单元依据不同电缆系统在不同周期的存储数据生成缺陷等级判断规则。
50.进一步地，所述基于人工智能的电缆缺陷计算系统还包括判断单元50，所述判断单元依据所述缺陷等级判断规则确定当前电缆系统的缺陷发生概率的缺陷等级，所述缺陷等级包括无缺陷、微小缺陷、中型缺陷、严重缺陷、。
51.应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
52.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
53.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
54.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
55.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。