基于超分辨注意力机制改进的GIS内部细微缺陷X-DR图像检测方法

为了解决气体绝缘开关设备内部细微缺陷X-DR成像重影雾化、纹理不清晰、易造成误诊断等问题,提出一种基于超分辨率注意力机制改进的气体绝缘开关(gas insulated switchgear,GIS)内部细微缺陷X-DR图像检测算法。该方法以高效亚像素卷积神经网络为框架,引入双层计算机注意力机制SE模块,构成新颖的SE-ESPCN超分辨率网络。通过对GIS设备X-DR图像通道重要程度进行评判,赋予图像卷积层不同的权重,以增强图像故障细节的成像效果。实验结果表明:SE模块与亚像素卷积神经网络的融合,不仅保障了GIS设备故障区域成像的实时性,而且算法输出的高分辨率X-DR图像缺陷细节清晰可见,便于观察,提高了工作人员对缺陷检测的效率与准确性,为实际工程中GIS设备X-DR成像系统改良提供了一定的参考。