[论文解读] Topography scanning as a part of process monitoring in power cable insulation process

Janne Harjuhahto, Jaakko Harjuhahto+3 more|arXiv (Cornell University)|Feb 6, 2026

High voltage insulation and dielectric phenomena被引用 0

一句话总结

论文提出一种用于 XLPE 电缆芯监测的新型地形扫描系统，构建三维表面地图并使用深度学习实现实时表面缺陷检测。

ABSTRACT

We present a novel topography scanning system developed to XLPE cable core monitoring. Modern measurement technology is utilized together with embedded high-performance computing to build a complete and detailed 3D surface map of the insulated core. Cross sectional and lengthwise geometry errors are studied, and melt homogeneity is identified as one major factor for these errors. A surface defect detection system has been developed utilizing deep learning methods. Our results show that convolutional neural networks are well suited for real time analysis of surface measurement data enabling reliable detection of surface defects.

研究动机与目标

• 在动力电缆绝缘方面推动改进过程监测，以检测几何形状和熔融相关缺陷。
• 开发一个能够生成绝缘电缆芯详细三维表面地图的系统。
• 识别横截面和纵向几何误差，并将其与熔融均匀性联系起来。
• 结合基于深度学习的表面缺陷检测器用于实时分析。

提出的方法

• 将现代测量技术与嵌入式高性能计算相结合，创建 XLPE 绝缘芯的三维表面地图。
• 分析横截面和纵向几何误差，以评估熔融均匀性的影响。
• 开发基于深度学习的表面缺陷检测系统，评估卷积神经网络用于实时数据分析。
• 应用基于 CNN 的方法从地形数据中检测表面缺陷。
• 提供关于过程监测中实时表面缺陷检测可行性的结果。

实验结果

研究问题

• RQ1 地形扫描是否能为过程监测生成 LuxePE 电缆芯的详细三维表面地图？
• RQ2 绝缘过程中出现了哪些几何误差（横截面和纵向），以及它们如何与熔融均匀性相关？
• RQ3 卷积神经网络是否能在实时性地从地形数据中有效检测表面缺陷？
• RQ4 集成系统如何使绝缘过程实现实时监测和缺陷检测？

主要发现

• 一种新型地形扫描系统可以生成绝缘电缆芯的详细三维表面地图。
• 研究横截面和纵向几何误差，并将其与熔融均匀性作为一个主要因素联系起来。
• 基于深度学习的表面缺陷检测系统能够实现对表面缺陷的可靠实时检测。
• 卷积神经网络非常适合对表面测量数据的实时分析。