目前，输变电设备X射线图像识别主要依靠人的经验，识别结果不稳定，效率偏低。对此，本书结合云南电网有限责任公司电力科学研究院多年电力生产现场X射线数字成像（DR）检测的实践经验，介绍了X射线数字成像检测、输变电设备X射线图像质量智能识别、基于X射线特征图像的GIS设备内部缺陷识别方法和识别系统设计与实现，列举了部分输变电设备X射线图像库，作为智能识别软件机器学习样本库。本书可供从事输变电设备检测的工程技术人员使用，也可供高等院校相关专业的师生参考。
输变电设备图像智能识别前言目前图书市场上有关电力设备X射线数字成像检测的图书分为三类：第一类是供科研人员、教学人员阅读的理论书籍，推导严谨，篇幅较长；第二类是供X射线检测工种竞赛、定岗用的题库，针对性较强，专业面集中；第三类是供与电力设备X射线检测有关的在现场工作的技术人员及技术工人阅读的书籍，理论知识较全面且不深奥，篇幅适中，使用面较宽。本书属于第三类，重点体现现场检测试验流程、参数、X射线图像处理和软件识别的应用，突出电力企业X射线数字成像检测与缺陷识别。本书内容主要涉及输变电设备X射线数字成像（DR）检测试验、X射线图像处理和图像识别技术，重点在实践环节。本书列举了大量电力设备X射线DR检测试验的参数以及电力设备X射线典型缺陷图像，简单直观，易于理解，便于技术人员在现场检测时参考。书中介绍的输变电设备X射线图像识别软件，可替代技术人员进行X射线图像识别，软件设计思路可供相关研究开发者借鉴。本书所选的内容符合当前的实际工程要求，采用的检测技术、设备、机器学习算法均是当前的先进技术。本书第1章主要由全国电力行业无损检测考委会副主任委员、云南电力试验研究院（集团）有限公司教授级高工吴章勤编写，第2章由云南电网有限责任公司电力科学研究院高级工程师杨迎春编写，第3章由云南电网有限责任公司电力科学研究院教授级高工于虹和魏杰共同编写，第4、第5章由云南电网有限责任公司电力科学研究院高级工程师刘荣海、周静波、虞鸿江编写，本书61节由云南电网有限责任公司电力科学研究院高级工程师郭新良、周年荣、黄星和张林山共同编写，62节由郑欣、许宏伟、焦宗寒和夏桓桓共同编写。由于编写水平有限，书中难免有疏漏和不足之处，恳请广大读者批评、指正。
编者
前言
第1章概述
11输变电设备检测技术
12图像处理技术
第2章X射线数字成像检测
21数字成像现场检测试验流程
22数字成像检测参数
23典型设备数字成像检测试验参数
24X射线检测工装
25成像板支架
第3章输变电设备X射线图像质量智能识别
31X射线图像处理流程
32电力设备X射线图像去噪处理
321图像去噪的基本方法
322X射线图像去噪算法研究
33输变电设备X射线图像质量智能识别方法
331清晰度识别
332曝光度识别
34输变电设备X射线图像智能识别系统设计与实现
341系统软件设计方案
342系统软件开发平台
343图像质量智能识别系统的模块功能第4章基于X射线特征图像的GIS设备内部缺陷识别方法
41GIS设备缺陷分析
411GIS设备常见缺陷
412GIS设备常见缺陷原因分析
42典型缺陷图像模拟分类
43X射线图像的预处理研究
431X射线图像灰度化处理
432X射线图像增强处理
433X射线图像分割处理
44基于BP神经网络的X射线图像分类技术研究
441BP神经网络识别技术
442X射线图像的典型特征分析与提取
443提取特征实验分析
444特征向量的归一化处理
445BP神经网络的设计及训练
446测试结果及分析
45基于卷积神经网络的X射线图像分类技术研究
451X射线图像预处理
452卷积神经网络的设计
453卷积神经网络的训练及测试
454测试结果及分析
第5章基于X射线图像特征的GIS设备内部缺陷识别系统设计与实现
51系统设计
511系统功能设计
512系统界面设计
52缺陷图像识别模块设计
521缺陷图像识别界面
522上传图像界面
53缺陷图像管理模块设计
531缺陷图像管理界面
532添加新缺陷类型界面
54更新神经网络模块设计
55更新模块测试研究
551提高识别率的测试
552新缺陷类型的测试
第6章输变电设备X射线图像库
61GIS设备内部缺陷图库
62线缆缺陷图库
参考文献
书单推荐
