基于轻卷积神经网络的电力电缆绝缘损伤图像检测方法

电缆良好的绝缘性是保证电缆安全运行的重要保障。针对传统电力电缆绝缘损伤检测方法存在检测流程复杂和无法大规模整体检测的缺点,本文结合图像无损接触方式和深度学习方法,提出了一种基于深度学习的电力电缆图像破损批量检测方法。该方法创新性地建立了基于残差和深度可分离模块的轻深度卷积神经网络模型,和以往的卷积神经网络模型相比,网络极好地平衡了系统的识别时间和识别精度,能实现高效、无损、快速的大规模电缆外表面多样化异常检测。和传统学习方法和已有深度卷积神经网络模型的实验结果对比表明,本文方法具有良好的实时性、鲁棒性和识别率,识别正确率达到99.47%。