基于改进YOLOv8的电缆复合绝缘结构内部缺陷太赫兹成像识别方法

电缆及其附件在制造和运行过程中容易产生内部缺陷,严重危害供电系统的安全。针对传统电缆复合绝缘结构内部缺陷检测方法的局限性,提出一种基于太赫兹时域光谱成像的目标识别检测方法。以交联聚乙烯电缆接头为研究对象,首先通过等效简化,制作了含分层与金属杂质缺陷的电缆接头等效试验模型;然后分别对含缺陷的人工模型进行太赫兹频域成像和吸收谱成像检测,得到了相应的成像结果;最后,基于上述成像结果,采用改进型YOLOv8模型对不同缺陷图像进行分类识别,结果显示改进后的YOLOv8对电缆接头内部缺陷的检测精确度达到99.8%,联合交叉为0.5时的平均精确度达到99.5%,结果相较于传统方法显著提升。该文所提方法有助于将太赫兹检测技术和目标检测算法推广到对电缆复合绝缘结构内部缺陷的无损可视化检测,可有效辨别电缆复合绝缘内部存在缺陷类型和位置,并可推广至其他层状复合绝缘结构的内部缺陷检测。

基于太赫兹成像的层状复合绝缘结构内部分层缺陷SSA-CNN定量表征

层状复合绝缘结构内部分层缺陷的几何形状和位置在运行过程中会引发场强畸变,引发局部放电乃至绝缘击穿等故障,因此对层状复合绝缘件内部分层程度进行准确检测具有重要意义。首先利用太赫兹光谱对含分层缺陷的层状复合绝缘结构进行频域成像,得到典型分层缺陷图像集;在此基础上,采用DCGAN模型对图像扩充并建立数据集,实现样本扩充和均衡化;最后,通过三种SSA-CNN(语义自注意)模型对缺陷样本中的分层区域缺陷的几何面积进行了计算分析。结果表明,DeepLabV3+(MobileNetV2)模型的像素精确度最高,对分层区域的识别率可达97.59%,通过像素点的计算可成功表征分层区域缺陷的几何尺寸。研究结果可为层状复合绝缘结构内部分层缺陷的非接触式定量表征提供技术参考。