刘 宇， 侯北平， 张晓刚

（浙江科技学院自动化与电气工程学院，浙江 杭州310023）

0 引 言

电缆的需求量随着各行业发展逐年递增，至2020年底，我国输电线路总里程超过159万千米。随着对电缆的需求显著增加，电缆生产企业不断增多，产能过剩，造成行业、企业间的市场竞争异常激烈，产品质量千差万别，部分企业以产品质量为主体的责任意识不强，出现了不检测、偷工减料、制假、售假等质量失信和违法现象，电缆的可靠性越来越受到关注［1］。电缆绝缘层作为电缆的重要组成部分，其质量直接影响电缆的使用寿命及使用安全。因此，对电缆质量检测至关重要。由于电缆的应用环境不同，电缆种类也不同。根据国家标准GB／T 3956—2008［2］，不同类型电缆绝缘层，需要测量不同的参数。目前，针对不同电缆绝缘层的质量检测，多为人工测量，自动化程度较低，且测量周期长，测量过程耗时耗力。

近年来，机器视觉技术及深度神经网络的快速发展，被广泛应用到自动计数［3⁃5］、质量检测［6⁃7］和自动识别分类［8⁃9］等领域。侯维岩等［4］提出使用图像处理的方式解决捆扎棒材计数的问题。电缆绝缘层质量检测问题与相关行业具有共性，但同时具有特殊性，全自动测量问题亟待解决。肖金球等［9］首先将电缆切片分类，再采用人工选择类型进行测量。人工选择电缆切片类型需要操作人员具备一定的专业知识和工作经验，有一定错误率，自动化程度低。国内针对电缆检测设备研究较少。董辉平等［10］利用机器视觉等技术设计出一套电缆绝缘层厚度测试系统；……