1. 中国电力科学研究院有限公司
2. 国网四川省电力公司电力科学研究院
3. 新型电力系统安全与运行四川省重点实验室
4. 国家电网有限公司
Published:2026
移动端阅览
胡方舟, 宋睿, 张屹, et al. 基于广义指代表达分割的缺陷检测和行为识别方法研究[J]. 2026, 24(5): 32-39.
DOI:
胡方舟, 宋睿, 张屹, et al. 基于广义指代表达分割的缺陷检测和行为识别方法研究[J]. 2026, 24(5): 32-39. DOI: 10.16543/j.2095-641x.electric.power.ict.2026.05.04.
在电力视觉领域,现有的基于深度学习的缺陷检测方法通常采用单一的图像模态作为输入,在复杂缺陷类型上精度较差。且已有的基于图文融合的缺陷检测方法大都针对某一或某几类特定的缺陷类型,无法有效推广。文章提出一种基于广义指代表达分割的缺陷检测问题建模方法,通过构建本体库、业务知识库以及两者间的映射关系形成一套完整的缺陷检测数据集构建流程,并通过基于关系建模的图文融合模型在标注的数据集上验证了该方法的可行性。实验表明,广义指代表达分割框架下,训练的图文融合模型针对梯上作业场景中的4类典型目标识别的平均精确率和召回率均为80%,明显优于目标检测框架下训练的视觉模型,且文章提出的方法在细粒度检测、可解释性等方面也具有显著优势。
张关应,束云豪,常宸铠,候姝斌,李庆武.基于深度学习的电力杆塔缺陷检测[J].电子测量技术,2024(03).
焦润海,李恺航,张学成,符哲源.基于多重注意力和特征对齐的销钉缺陷检测方法[J].电力信息与通信技术,2024(04).
吴华,贾栋豪,张婷婷,白晓静,孙笠,蒲梦杨.基于双专家的巡检影像多模态零样本缺陷检测[J].中国图象图形学报,2025(03).
郭鹏天,李黎,王勇,郑碧煌,王晓辉,陈勇.基于改进DETR的电力作业现场安全行为识别方法[J].电力信息与通信技术,2024(08).
刘威,卢妍洁,高焜,李梓轩,琚贇,张之刚.基于YOLO-Efficient的高空作业安全带检测[J].电力信息与通信技术,2025(07).
张珂,郑朝烨,石超君,赵振兵,肖扬杰.基于多模态对比学习的输电线路螺栓缺陷分类[J].高电压技术,2025(02).
叶树繁,叶思彤,叶思妤,刘立军.基于YOLOv5的电力缺陷检测分析[J].现代工业经济和信息化,2025(04).
江灏,贺浩,刘欣宇,黄世聪,陈静,缪希仁.基于多模态融合的输电线路鸟巢精细化检测方法[J].高电压技术,2025(11).
孟令雯,班国邦,刘芳媛,邱伟,贺迪,张澜,王思雨.基于跨域少样本学习的电网作业违章动作分类[J].电力大数据,2024(09).
刘志鹏,赵天成.基于人物交互视觉语言模型的变电站复杂违规行为检测[J].粘接,2025(08).
0
Views
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution