基于图像注意力和Transformer的电力线绝缘子分割方法

崔克彬; 张淇淇; 杨立然

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于图像注意力和Transformer的电力线绝缘子分割方法

更新时间：2025-11-07

- 基于图像注意力和Transformer的电力线绝缘子分割方法
- 暂无标题
- 电力科学与工程 2025年41卷第7期页码：56-63
- 作者机构：
  
  1. 华北电力大学计算机系
  2. 复杂能源系统智能计算教育部工程研究中心(华北电力大学)
- 作者简介：
- 基金信息：
  
  河北省自然科学基金资助项目（F2024502002）;中央高校基本科研业务费专项资金资助项目（2024MS127）
- DOI：
  中图分类号： TM216;TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
崔克彬, 张淇淇, 杨立然. 基于图像注意力和Transformer的电力线绝缘子分割方法[J]. 电力科学与工程, 2025,41(7):56-63.
崔克彬, 张淇淇, 杨立然. 基于图像注意力和Transformer的电力线绝缘子分割方法[J]. 电力科学与工程, 2025,41(7):56-63. DOI：

DOI：

摘要

为了解决绝缘子区域自动化识别过程中因输电线路背景复杂所导致的绝缘子分割准确度较低的问题，提出一种融合注意力机制和Transformer的改进Deep Labv3 Plus网络模型。采用图像注意力模块替换DeepLabv3Plus骨干网络中的原空洞空间卷积池化金字塔，对不同层次的特征进行组织再利用，从而充分发挥不同尺度特征在分割中的不同作用，使模型能够更加专注于绝缘子的分割区域及其边缘；将使用多个TransformerBlock级联成的模块所捕获全局的语义特征信息作为原网络中局部信息提取的补充，增强了网络获取长距离特征的能力，同时更有利于利用图像内不同层次的特征进行分割。实验结果表明，该方案可使模型对电力线绝缘子的分割精度提升1%以上，使分割边缘更加接近实际图像。该结果验证了所提方法在提升绝缘子分割精度方面的有效性。

Abstract

关键词

Keywords

references

姬晓飞,张可心,唐李荣.改进DeepLabv3+网络的图书书脊分割算法[J].计算机应用,2023(12).

张剑锐,魏霞,张林鍹,陈燕楠,卢杰.改进YOLO v7的绝缘子检测与定位[J].计算机工程与应用,2024(04).

翟永杰,王璐瑶,郭聪彬.基于Faster R-CNN的复杂背景下绝缘子目标检测[J].电子测量技术,2023(16).

韩谷静,何敏,雷宇航,张敏,赵柳,秦亮.基于改进U-Net的输电线路绝缘子图像分割方法研究[J].智慧电力,2022(03).

盛戈皞,钱勇,罗林根,宋辉,刘亚东,江秀臣.面向新型电力系统的电力设备运行维护关键技术及其应用展望[J].高电压技术,2021(09).

黄新宇,张洋,王黎明,梅红伟,张中浩,文路.基于Mask-RCNN算法的复合绝缘子串红外图像分割与温度读取[J].高压电器,2021(09).

王卓,王玉静,王庆岩,康守强,V.I.Mikulovich.基于协同深度学习的二阶段绝缘子故障检测方法[J].电工技术学报,2021(17).

杜小燕,钟俊.基于改进型UL-PCNN的绝缘子图像分割[J].激光与光电子学进展,2019(15).

Chen Liang-Chieh,Papandreou George,Kokkinos Iasonas,Murphy Kevin,Yuille Alan L.DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs.[J].IEEE transactions on pattern analysis and machine intelligence,2018.

浏览量

249

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于拓扑特征与纹理特征的光伏红外图像重构与识别

结合注意力机制和多尺度特征融合的变压器局部放电诊断

基于级联卷积神经网络的绝缘子缺陷识别

基于深度学习与KAN网络的锅炉出口NO_x浓度预测模型

基于注意力机制的LSTNet日前电价预测