随着我国国民经济的快速增长,电力需求量也急剧增加,根据国家能源局数据报告显示,2019年我国全社会用电量72 255亿千瓦时,同比增长4.5%。用电量的逐年提升,对我国电力系统的安全性、稳定性提出了更高的要求。在架空线路中,耐张线夹作为重要的组成金具,不仅要承担导线的拉力,还要承受线路负荷电流,其安装质量和连接状态关乎架空线路的安全可靠运行。针对耐张线夹安装效果检测难题,本文提出一种新型的耐张线夹压接质量无损检测方法。该方法将电磁感应加热方法与红外热成像技术相结合,并基于深度学习算法实现对耐张线夹压接缺陷的识别。基于涡流热成像技术与深度学习相结合,设计了感应加热无损检测实验平台。实验平台包含计算机、感应加热组件、红外热像仪和待测工件耐张线夹。感应加热器采用LC并联谐振对激励线圈施加交流电,耐张线夹中产生感应涡流,并产生焦耳热。使用红外热像仪对加热的耐张线夹拍摄红外热图,利用设计的卷积神经网络对红外热图进行分类识别,实现对耐张线夹压接质量的检测。和现有的检测耐张线夹压接质量的方法相比,这种无损检测方法拥有更高的效率和准确率,也提供了更加简易的操作。首先,论文深入分析了电磁感应加热原理,建立了耐张线夹感应加热的仿真模型,仿真验证了电磁感应热成像方法应用于检测耐张线夹压接缺陷的有效性,并分析了激励频率、激励时间、提离距离三种条件对加热效果的影响。其次,从检测实际需求出发,设计了一种LC并联谐振结构的电磁感应加热电源模块,以及与耐张线夹形状匹配的两种线圈结构,仿真和实验验证了感应加热电源的有效性。进行了红外热像仪选型,并利用红外热像仪采集加热的耐张线夹红外热图,通过对原始图片进行预处理和人工扩充,使用卷积神经网络对红外热图迭代提取特征,并根据结果对网络模型结构进行调整优化。最后,搭建了感应加热无损检测实验平台,对耐张线夹压接质量实施检测。对三种不同压接质量的耐张线夹进行感应加热实验,通过红外热像仪拍照、存储并传输到上位机,基于深度学习对红外热图像进行分类识别。实验证明本文所提出方法可以实现对耐张线夹压接质量的分类识别,有效提高了检测效率和准确率。