本期精选
2024年第9期
杨栋,朵文博,李帅兵,李天耕,康永强,鲁怀伟
DOI: 10.13336/j.1003-6520.hve.20240265
1)试验样品制备
2)太赫兹成像试验条件
为对缺陷样品进行太赫兹成像,本文采用基于太赫兹时域光谱(terahertz time domain spectroscopy, THz-TDS)成像的CCT-1800,其主要部件是中心波长为780 nm的蓝宝石飞秒激光器,该设备的光谱范围为0.05~5 THz,动态范围超过90 dB,频谱分辨率为20 GHz,扫描精度为2 μm。试验中,样品仓中需要加入氮气,用于消除空气湿度的影响,从而确保试验结果的准确性。鉴于太赫兹波无法穿透铜导体层,本研究选择采用太赫兹反射模式进行检测,其测试原理在图1中有所展示,太赫兹成像系统的参数设置如表1所示。
3)含缺陷试验样品的太赫兹成像
为了解决电缆类层状复合绝缘结构内部主绝缘常见劣化缺陷的表征和辨识问题,本文将深度学习的YOLOv8模型与太赫兹成像技术相结合,将对内部主绝缘层存在的不同缺陷进行表征与辨识。首先,对不同缺陷类型的层状复合绝缘结构进行太赫兹成像表征,并定义缺陷目标的识别任务;其次,对太赫兹频域和吸收谱图像数据进行数据集制作,通过YOLOv8模型对缺陷数据进行训练,并经过迭代(模型每个轮次的训练过程),直到模型的损失曲线下降到一个收敛的数值时,模型完成训练;最后,通过训练参数设置和训练、验证网络模型,并对样本进行检测,实现对不同类型缺陷进行深度学习网络的定性表征。
YOLO算法作为经典的单阶段检测算法,现已经升级至YOLOv8。YOLOv8融合了许多实时目标检测中优异的技术并进行改进,其网络主要由输入(Input)、主干网络(Backbone)、颈部(Neck)和检测头(Head)部分组成。
考虑到电缆接头试样含有缺陷的太赫兹图像存在背景噪点干扰,为了消除无关信息干扰,本文在特征融合部分之后加入注意力机制来提升模型提取特征的性能。注意力机制在图像目标检测中能够建立不同空间位置之间的相互依赖关系,将注意力集中在对当前任务目标更感兴趣的信息上,同时忽略无关信息。传统注意力机制在计算通道注意力的过程中,会通过池化将输入张量在空间上转为像素,导致大量空间信息的丢失。三重注意力机制(triplet attention, TA)是一种轻量级的注意力机制,利用3个并行分支结构捕获跨维度交互并计算注意权重。与压缩激励(squeeze-and-excitation, SE)和基于卷积块(convolutional block attention module, CBAM)的注意力机制相比,其具有以下优点:①空间信息和通道信息不会大量丢失;②能够实现跨维度交互;③计算量较小。TA模块旨在捕捉多维度交互而不降低维度的重要性,消除了通道和权重之间的间接对应,其原理如图2所示。
1)数据集
2)试验平台
表2 各模块对模型的分类结果对比
5)训练结果
图3 改进算法的可视化检测
引文信息:
杨栋 , 朵文博 , 李帅兵 , 等. , {{custom_author.name_cn}}. 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[J]. 高电压技术. 2024, 50(9): 4142-4151
李帅兵,博士、教授,甘肃省陇原青年英才,第23届铁路五四青年奖章获得者。主要从事电力装备检测、评估与故障诊断及新能源发电与运行控制等方面的教学、科研工作。主持国家自然科学基金、甘肃省自然科学基金、甘肃交能融合揭榜挂帅制项目等纵向课题10余项,发表SCI/EI检索高水平论文30余篇。研究成果获甘肃省科技进步一/二/三等奖各一项,甘肃省电工技术学会科技进步一等奖3项、甘肃省电力科技进步一等奖1项。
杨栋,博士研究生。主要从事电力装备检测与评估、电力设备故障诊断、复杂过程建模等制等方面的研究工作。
朵文博,硕士研究生,主要从事新能源设备状态监测与评估方面的工作。
康永强,博士、副教授,主要从事新能源电力装备与系统管理、电气系统在线监测与状态评估方面的研究。
鲁怀伟,教授、博士生导师,主要从事复杂系统的建模与智能控制理论、电气设备故障诊断、新能源发电控制与优化等方面的研究。
责编:卫李静
- 【 END 】 -
传播知识 · 分享成果 · 交流经验
声明:本文为原创作品,所涉文字及图片版权均属《高电压技术》编辑部所有,根据国家版权局最新规定,纸媒、网站、微信公众号转载、摘编我编辑部的作品,务必请提前联系我编辑部。个人请按本微信原文转发、分享
http://hve.epri.sgcc.com.cn/
《高电压技术》《High Voltage》视频号
联系我们