陈大兵，魏寒来，胡轶宁，舒华忠，王 征

（1.国网江苏省电力有限公司电力科学研究院，南京，211103；2.东南大学网络空间安全学院，南京，210096；3.东南大学计算机科学与工程学院，南京，210096）

引 言

中国电力系统发展十分迅速，提高电网输电能力、节省投资、保护环境、提高电网的经济效益和安全可靠性成为电网发展亟待解决的问题。如今部分应用于高压电网的碳纤维复合芯导线（Aluminum conductor composite core, ACCC）因具有重量轻、载流量大、线损低及弧垂小等技术优势，成为最具发展潜力的新型导线品种[1]。但是，ACCC 抗弯曲性是推广和应用的主要障碍，因此碳纤维复合材料芯损伤的检测必不可少[2]。然而通过诸如应力检测[3-4]、电磁感应检测[5-6]及声波检测[7-8]等均无法穿透ACCC外层导电层并有效探测到其中碳纤维芯棒存在的缺陷。X 射线近年来被广泛应用于工业无损探伤领域[9-10]，但一方面由于ACCC 导线X 射线所成图像中缺陷部位的对比度严重不足，另一方面由于输电线路很长，导致导线在线检测需要对大量图片进行识别，极易因人员疲劳造成漏检，因此限制了该项技术在ACCC 导线无损检测产业中的应用。随着人工智能的发展，以Faster RCNN 方法为代表的目标分类检测算法[11-12]在无损检测领域得到了广泛的应用[13-14]。然而Faster RCNN 算法直接应用于ACCC 导线缺陷检测时，限于在线拍摄环境，存在导线区域弯曲、不同区域亮度差异大以及不同图像间亮度一致性较差等问题，难以获得高精度的检测结果。

针对这一难题，本文提出了一套结合图像标准化增强与深度神经网络的快速ACCC 导线缺陷自动检测方案。……