基于深度学习的在役高压电缆缺陷计算机断层扫描检测
摘要
城市化进展的加快对电力输送提出更高的要求，在役电缆的无损检测成为一个研究热点，然而传统方法在检测电缆缓冲层中微小缺陷结构方面的效果十分有限。采用射线源平移局部计算机断层扫描（L-STCT）成像方法来获取电缆图像数据，设计了一种基于Cascade区域卷积神经网络（R-CNN）的改进网络。实验结果表明所设计的网络在所制作的L-STCT数据集下的精确率和召回率都有显著提升，进一步以RCT数据集为基础进行知识迁移，最终网络精确率达90.1%，召回率达95.9%。该研究为电缆内部缺陷无损检测提供了一种有效的方案。
引用本文（GB/T 7714）
何朝良 He Chaoliang, 晏婷 Yan Ting, 马天宇 Ma Tianyu, 等. 基于深度学习的在役高压电缆缺陷计算机断层扫描检测[J]. Acta Optica Sinica, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。