仪器仪表学报

作者：邱文俊，侯北平，朱文，董建伟，介婧

单位：邱文俊,浙江科技大学自动化与电气工程学院杭州310023,,侯北平,浙江科技大学自动化与电气工程学院杭州310023,bphou@zust.edu.cn,朱文,浙江科技大学自动化与电气工程学院杭州310023,,董建伟,浙江科技大学自动化与电气工程学院杭州310023,,介婧,浙江科技大学自动化与电气工程学院杭州310023,

关键词：高压电缆;绝缘层厚度;语义分割;生成对抗网络;机器视觉

基金：浙江省基础公益研究计划项目（LTGG23F030001）资助

针对高压电缆绝缘层人工检测效率低、传统图像算法在弱边界条件下精度低的问题，提出了一套便携式测量方案，并设计了一种基于“粗定位-精细重建”的两阶段电缆绝缘厚度测量算法。首先，构建了融合多尺度特征与空间注意力机制的语义分割模型SA-UNet，（scale-awareattentionU-Net）并结合提出的多尺度注意力融合编码器（MSAF）、精细多核池化模块（RMP）和跳跃注意力特征融合模块（SAFF），有效增强了模型对复杂细节与弱边界的感知能力，能够精准分割出包含导体屏蔽层、主绝缘层和绝缘屏蔽层的完整绝缘结构，通过注意力机制聚焦关键特征，准确提取高压电缆绝缘区域，有效缓解了因类别不平衡导致的分割精度下降问题；其次，引入Pix2PixGAN生成对抗网络对分割后的低对比度区域进行图像重建，通过学习构建了图像边界从模糊到清晰的映射，以增强层间边界的梯度信息与纹理细节；最后，基于重建结果采用射线交点法自动计算厚度参数。在包含3300张高压电缆截面图像的数据集上进行验证，实验结果表明，SA-UNet模型在分割性能上表现优异，交并比（IoU）高达99.36%，优于U-Net、DeepLabv3+等主流模型；Pix2PixGAN重建图像具有极高的结构保真度（SSIM>0.98）；绝缘层厚度测量的平均绝对误差（MAE)仅为0.01mm。该方法为高压电缆绝缘参数的高精度自动化测量提供了有效解决方案。

来源：2026年第2期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2026年第2期