基于卷积神经网络的电缆同轴度检测技术

刘红军，魏旭阳

(沈阳航空航天大学机电工程学院，沈阳110000)

0 引言

同轴度检测是耐火级电缆[1]生产过程中不可或缺的一步，主要运用X射线透视原理对电缆的几何参数进行在线检测。传统测量方法主要使用计算机基于特征提取和模板匹配，对电缆的几何参数进行检测和同轴度计算[2]。实际检测过程中，电缆检测程序受电缆型号尺寸、检测距离、检测角度、光线明暗等其他外界因素的影响，经常需要改变程序内部参数来达到高精度检测的标准[3]，造成程序运行缓慢、维护周期短、抗干扰能力较差等问题。为此采用卷积神经网络将电缆X光图片进行预处理分类。

近年来，卷积神经网络[4](convolutional neural network，CNN)在处理图像分类方面的任务时表现能力出色，在人体行为识别[5]、缺陷故障诊断[6]以及物体检测[7 - 8]等方面已得到广泛应用。不少研究者利用卷积神经网络模型对电缆检测技术进行了相应的研究。如杨帆等采用CNN模型对电缆局部放电模式识别[9]；张重远等通过基于时频谱CNN算法对变压器铁心声纹识别[10]；王晓明通过恒等映射CNN算法对高压断路器故障识别[11]等。利用卷积神经网络对电缆同轴度检测技术的改进目前仍处于探索阶段。为此本研究拟利用卷积神经网络对电缆检测图形进行分类检测，并进行分析，以期取得更好的识别效果，为电缆识别技术提供参考和借鉴。

1 系统结构与原理

在同轴度测量实际操作中，本文采用了张政等提出的求距法[12]测量，对其方法进行了进一步改进，采用X光机进行同轴度轴向截面测量。……