基于语义分割数据增强与可变形卷积的输变电线路缺陷检测

王译萱; 向思屿; 梁晖辉; 邝俊威; 张菊玲; 刘松嘉

doi:10.16527/j.issn.1003-6954.20250105

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 >

基于语义分割数据增强与可变形卷积的输变电线路缺陷检测

电力运检技术 | 更新时间：2026-02-13

- 基于语义分割数据增强与可变形卷积的输变电线路缺陷检测
- 基于语义分割数据增强与可变形卷积的输变电线路缺陷检测
- 四川电力技术 2025年48卷第1期页码：32-40+84
- 作者机构：
  
  1. 国网四川省电力公司电力科学研究院
  2. 电力物联网四川省重点实验室
  3. 华北电力大学计算机系
  4. 国网四川省电力公司泸州供电公司
  5. 国网四川省电力公司自贡供电公司
- 作者简介：
- 基金信息：
  
  国网四川省电力公司科技项目“基于云边协同的电力无人机巡检融合缺陷检测技术研究及装置研发”(52199723000Q)
- DOI：10.16527/j.issn.1003-6954.20250105
  中图分类号： TM75;TP183;TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
王译萱, 向思屿, 梁晖辉, 等. 基于语义分割数据增强与可变形卷积的输变电线路缺陷检测[J]. 四川电力技术, 2025,48(1):32-40+84.

王译萱, 向思屿, 梁晖辉, et al. 基于语义分割数据增强与可变形卷积的输变电线路缺陷检测[J]. 2025, 48(1): 32-40+84.
王译萱, 向思屿, 梁晖辉, 等. 基于语义分割数据增强与可变形卷积的输变电线路缺陷检测[J]. 四川电力技术, 2025,48(1):32-40+84. DOI： 10.16527/j.issn.1003-6954.20250105.

王译萱, 向思屿, 梁晖辉, et al. 基于语义分割数据增强与可变形卷积的输变电线路缺陷检测[J]. 2025, 48(1): 32-40+84. DOI： 10.16527/j.issn.1003-6954.20250105.

摘要

为提高输变电线路在长期运行和自然环境影响下产生的各类缺陷的检测精度和效率，提出了基于YOLOv8和可变形卷积的改进算法。针对各类缺陷样本数量差距较大导致的长尾分布问题，提出使用分割一切模型对数据进行扩充以提高数据平衡性；在主干网络中引入DCNv2结构，通过动态调整卷积核的形状适应各类样本包含的特征以提高泛化能力，并结合multi-CA注意力机制使网络注重各通道的融合信息；使用损失函数WIoU引导模型学习，以适应不同质量的锚框。将改进的算法与其他算法进行比较，结果表明改进算法增加了对输变电缺陷检测的精度。

Abstract

关键词

Keywords

references

张明.单阶段无锚框目标检测算法研究[D].山西大学,2023(03).

陈伟.基于无人机巡检图像的电力系统故障智能检测技术研究[D].哈尔滨工业大学,2021(03).

赵振兵,冯烁,席悦,张靖梁,翟永杰,赵文清.大模型时代：电力视觉技术新起点[J].高电压技术,2024(05).

陈鹏,包倍源,陈旭.基于多尺度特征融合与重要性排序损失的遥感图像匹配网络[J].激光与光电子学进展,2024(18).

赵继达,甄国涌,储成群.基于YOLOv8的无人机图像目标检测算法[J].计算机工程,2024(04).

邓亚平,李迎江.YOLO算法及其在自动驾驶场景中目标检测综述[J].计算机应用,2024(06).

苏海军,薛任谦谦.基于图像分割及修复的数据生成[J].邮电设计技术,2023(07).

李冰,赵宽,白云山,郭聪彬,陈年昊,翟永杰.融合注意力的多尺度光伏板缺陷检测方法[J].电力科学与工程,2023(08).

王永生,姬嗣愚.基于深度学习的目标检测算法综述[J].计算机与数字工程,2023(06).

康泰安,王宝莉,刘少航,霍亚琳,张珂,戚银城.输电线路金具及其缺陷深度学习检测方法综述[J].电力信息与通信技术,2022(11).

Institute for Medical Informatics, Statistics and Documentation, Medical University Graz, Graz, Austria.,Institute of Computer Graphics and Vision, Graz University of Technology, Graz, Austria.,Institute for Medical Informatics, Statistics and Documentation, Medical University Graz, Graz, Austria.,Institute of Interactive Systems and Data Science, Graz University of Technology, Graz, Austria..Biomedical image augmentation using Augmentor.[J].Bioinformatics (Oxford, England),2019.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据