本發(fā)明屬于耐張線夾檢測，具體涉及一種基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法和相關(guān)裝置。
背景技術(shù)：
1、耐張線夾是高壓輸電線路中的重要金具，主要作用是固定導(dǎo)線并承受張力，使導(dǎo)線能夠穩(wěn)固地懸掛在耐張線串組或桿塔上，同時確保電流的正常傳輸。耐張線夾內(nèi)部的壓接質(zhì)量直接影響到輸電線路的建設(shè)質(zhì)量和使用壽命，若質(zhì)量不達(dá)標(biāo)，嚴(yán)重情況下可能引發(fā)重大事故，造成巨大的經(jīng)濟(jì)損失和人員傷亡。因此，為確保輸電線路的穩(wěn)定性和高效運(yùn)行，降低事故風(fēng)險，檢測耐張線夾的壓接質(zhì)量顯得尤為重要。
2、相較于傳統(tǒng)的檢測方法，x射線無損檢測技術(shù)提供了更直觀的檢測手段，能夠有效展現(xiàn)耐張線夾的內(nèi)部結(jié)構(gòu)，揭示隱藏的質(zhì)量問題。然而，由于檢測設(shè)備、技術(shù)和方法等多種因素的制約，x射線圖像往往存在亮度不足、對比度不明顯、灰度變化模糊以及噪聲干擾等問題。這些缺陷直接影響到壓接質(zhì)量的評估精度，降低了檢測結(jié)果的可靠性。
3、目前，盡管基于深度學(xué)習(xí)的圖像識別技術(shù)在缺陷檢測中有廣泛應(yīng)用，但由于現(xiàn)有x射線圖像的質(zhì)量問題，提取關(guān)鍵特征時面臨諸多困難，導(dǎo)致圖像處理過程要求更加精細(xì)。圖像質(zhì)量的不穩(wěn)定甚至可能影響到最終檢測結(jié)果的準(zhǔn)確性，無法滿足當(dāng)前實(shí)際應(yīng)用中的高精度要求。
技術(shù)實(shí)現(xiàn)思路
1、有鑒于此，本發(fā)明提供一種基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法和相關(guān)裝置，用于解決現(xiàn)有技術(shù)無法克服x射線圖像質(zhì)量缺陷,確保圖像缺陷識別結(jié)果的準(zhǔn)確性,從而不能滿足實(shí)際應(yīng)用需求的技術(shù)問題。
2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供的技術(shù)方案如下：
3、第一方面，本發(fā)明提供了一種基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法，包括如下步驟：
4、對耐張線夾的原始x射線圖像進(jìn)行優(yōu)化處理，得到優(yōu)化后的射線圖像；
5、將優(yōu)化后的射線圖像輸入到深度學(xué)習(xí)模型中，利用深度學(xué)習(xí)模型提取圖像中與耐張線夾欠壓缺陷相關(guān)的細(xì)微結(jié)構(gòu)特征向量；
6、將提取的細(xì)微結(jié)構(gòu)特征向量輸入到目標(biāo)檢測深度學(xué)習(xí)模型中，對原始x射線圖像的欠壓缺陷進(jìn)行識別，并結(jié)合預(yù)設(shè)標(biāo)準(zhǔn)對所識別出的缺陷進(jìn)行評級；目標(biāo)檢測深度學(xué)習(xí)模型采用one-stage或two-stage架構(gòu)。
7、進(jìn)一步的，對耐張線夾的原始x射線圖像進(jìn)行優(yōu)化處理，包括：
8、采用高斯濾波算法對耐張線夾的原始x射線圖像進(jìn)行去噪處理；
9、將去噪處理后的圖像采用直方圖均衡化方法進(jìn)行灰度化處理；
10、將灰度化處理后的圖像進(jìn)行非線性調(diào)整，通過非線性函數(shù)調(diào)整圖像中不同灰度區(qū)域的亮度和對比度。
11、進(jìn)一步的，采用高斯濾波算法對耐張線夾的原始x射線圖像進(jìn)行去噪處理，包括：
12、對圖像窗口內(nèi)所有像素點(diǎn)的像素值，計算相應(yīng)的權(quán)重值，權(quán)重計算公式如下：
13、
14、式中，表示像素點(diǎn)的權(quán)重值；表示標(biāo)準(zhǔn)差；和表示窗口中心點(diǎn)坐標(biāo)；
15、將圖像窗口內(nèi)所有像素點(diǎn)的原始像素值與相應(yīng)的權(quán)重值相乘，得到去噪處理后的射線圖像。
16、進(jìn)一步的，將去噪處理后的圖像采用直方圖均衡化方法進(jìn)行灰度化處理，包括：
17、統(tǒng)計圖像中每個灰度級（灰度級的范圍為[0，l-1]）的像素數(shù)量，并記為圖像的原始灰度分布；
18、計算每個灰度級的直方圖分布概率，如下：
19、
20、式中，表示第個灰度級的直方圖分布概率；表示第個灰度級的像素數(shù)量；表示圖像中的總像素數(shù)量；
21、計算累積分布函數(shù)，如下：
22、
23、式中，表示個灰度級的累積分布函數(shù)；
24、將累積分布函數(shù)進(jìn)行反變換，得到新的像素灰度分布，并替換圖像的原始灰度分布。
25、進(jìn)一步的，采用伽馬校正方法進(jìn)行非線性調(diào)整，校正公式如下：
26、
27、式中，和分別是校正后和校正前的像素值；為伽馬校正參數(shù)。
28、進(jìn)一步的，深度學(xué)習(xí)模型為yolov5模型，yolov5模型中，采用c2f結(jié)構(gòu)改進(jìn)的c3模塊卷積層提取射線圖像的特征并生成特征向量。
29、進(jìn)一步的，在優(yōu)化處理中，還包括：
30、根據(jù)圖像的特定特征，自適應(yīng)調(diào)整優(yōu)化處理算法的參數(shù)，以使處理后的圖像在灰度、對比度和噪聲水平方面達(dá)到預(yù)設(shè)標(biāo)準(zhǔn)。
31、第二方面，本發(fā)明提供了一種基于x射線圖像識別的耐張線夾欠壓缺陷檢測裝置，包括：
32、預(yù)處理模塊，用于對耐張線夾的原始x射線圖像進(jìn)行優(yōu)化處理，得到優(yōu)化后的射線圖像；
33、特征提取模塊，用于將優(yōu)化后的射線圖像輸入到深度學(xué)習(xí)模型中，利用深度學(xué)習(xí)模型提取圖像中與耐張線夾欠壓缺陷相關(guān)的細(xì)微結(jié)構(gòu)特征向量；
34、缺陷檢測模塊，用于將提取的細(xì)微結(jié)構(gòu)特征向量輸入到目標(biāo)檢測深度學(xué)習(xí)模型中，對原始x射線圖像的欠壓缺陷進(jìn)行識別，并結(jié)合預(yù)設(shè)標(biāo)準(zhǔn)對所識別出的缺陷進(jìn)行評級；目標(biāo)檢測深度學(xué)習(xí)模型采用one-stage或two-stage架構(gòu)。
35、第三方面，本發(fā)明提供了一種計算機(jī)設(shè)備，設(shè)備包括處理器以及存儲器：
36、存儲器用于存儲計算機(jī)程序，并將計算機(jī)程序的指令發(fā)送至處理器；
37、處理器根據(jù)計算機(jī)程序的指令執(zhí)行如第一方面的一種基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法。
38、第四方面，一種計算機(jī)可讀存儲介質(zhì)，計算機(jī)可讀存儲介質(zhì)上存儲有計算機(jī)程序，計算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如第一方面的一種基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法。
39、綜上，本發(fā)明提供了一種基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法，包括對耐張線夾的原始x射線圖像進(jìn)行優(yōu)化處理，得到優(yōu)化后的射線圖像；將優(yōu)化后的射線圖像輸入到深度學(xué)習(xí)模型中，利用深度學(xué)習(xí)模型提取圖像中與耐張線夾欠壓缺陷相關(guān)的細(xì)微結(jié)構(gòu)特征向量；將提取的細(xì)微結(jié)構(gòu)特征向量輸入到目標(biāo)檢測深度學(xué)習(xí)模型中，對原始x射線圖像的欠壓缺陷進(jìn)行識別，并結(jié)合預(yù)設(shè)標(biāo)準(zhǔn)對所識別出的缺陷進(jìn)行評級；目標(biāo)檢測深度學(xué)習(xí)模型采用one-stage或two-stage架構(gòu)。本發(fā)明通過對x射線圖像進(jìn)行優(yōu)化處理，并采用目標(biāo)檢測深度學(xué)習(xí)模型進(jìn)行缺陷檢測，可以顯著提升耐張線夾欠壓缺陷檢測的準(zhǔn)確性和可靠性。
40、本發(fā)明還提供一種基于x射線圖像識別的耐張線夾欠壓缺陷檢測裝置、設(shè)備和存儲介質(zhì)，其實(shí)施時具有與上述方法實(shí)施時相似的效果，在此不再贅述。
1.一種基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法，其特征在于，對耐張線夾的原始x射線圖像進(jìn)行優(yōu)化處理，包括：
3.根據(jù)權(quán)利要求2所述的基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法，其特征在于，采用高斯濾波算法對耐張線夾的原始x射線圖像進(jìn)行去噪處理，包括：
4.根據(jù)權(quán)利要求2所述的基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法，其特征在于，將去噪處理后的圖像采用直方圖均衡化方法進(jìn)行灰度化處理，包括：
5.根據(jù)權(quán)利要求2所述的基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法，其特征在于，采用伽馬校正方法進(jìn)行非線性調(diào)整，校正公式如下：
6.根據(jù)權(quán)利要求1所述的基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法，其特征在于，所述深度學(xué)習(xí)模型為yolov5模型，所述yolov5模型中，采用c2f結(jié)構(gòu)改進(jìn)的c3模塊卷積層提取射線圖像的特征并生成特征向量。
7.根據(jù)權(quán)利要求1所述的基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法，其特征在于，在所述優(yōu)化處理中，還包括：
8.一種基于x射線圖像識別的耐張線夾欠壓缺陷檢測裝置，其特征在于，包括：
9.一種計算機(jī)設(shè)備，其特征在于，所述設(shè)備包括處理器以及存儲器：
10.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1-7中任一項所述的一種基于x射線圖像識別的耐張線夾欠壓缺陷檢測方法。