1. 国网四川省电力公司电力科学研究院
2. 新型电力系统安全与运行四川省重点实验室
3. 国网四川省电力公司泸州供电公司
4. 传申弘安智能(深圳)有限公司
纸质出版:2026
移动端阅览
张凌浩, 邝俊威, 滕予非, 等. 一种基于红外-声注意力的变电站多模态巡检技术[J]. 四川电力技术, 2026,49(2):78-83.
张凌浩, 邝俊威, 滕予非, et al. 一种基于红外-声注意力的变电站多模态巡检技术[J]. 2026, 49(2): 78-83.
张凌浩, 邝俊威, 滕予非, 等. 一种基于红外-声注意力的变电站多模态巡检技术[J]. 四川电力技术, 2026,49(2):78-83. DOI: 10.16527/j.issn.1003-6954.20260211.
张凌浩, 邝俊威, 滕予非, et al. 一种基于红外-声注意力的变电站多模态巡检技术[J]. 2026, 49(2): 78-83. DOI: 10.16527/j.issn.1003-6954.20260211.
变电站设备的发热缺陷在不同模态中呈现互补特征,融合多源信息可显著提升检出性能。但现有多模态模型普遍参数量大,难以在边缘端部署。因此,面向边缘计算约束与单模态信息不足的双重挑战,提出了一种经过改进的轻量化红外-声音多模态缺陷巡检方法。在视觉处理上,增强对电力设备等小目标的特征提取能力,在YOLOv5s的骨干网络中嵌入了轻量化的卷积块注意力模块,并结合MobileNetV3进行深度发热特征提取;在声学分析上,针对缺陷信号的瞬时特性,在经典的卷积循环神经网络-长短期记忆网格结构后引入了时序自注意力机制,捕捉关键的声学事件;最后,通过一个自适应注意力网络对两种经过增强的模态特征进行动态加权融合与协同判别,进一步提升了对早期或隐蔽发热缺陷的敏感性。通过自建变电站数据集验证表明,所提方法较单模态与各类基线模型在各项指标上均取得最优性能,准确率达到96.50%
F1分数达到94.20%。同时,模型参数量约12.3 MB
单次推理时间约20 ms
在性能显著提升的同时,依然满足边缘侧实时部署的严苛要求。
徐强.基于多源信息融合的变电站智能运维监控平台研究[J].现代建筑电气,2019(03).
徐雪莹,李永红,李成玉,周强.基于视觉深度学习算法的变电站智能巡检调度方法[J].大众用电,2023(08).
李欣宜.智能识别技术在变电站巡检中的应用[J].集成电路应用,2024(09).
朱宏刚.基于智能控制的变电站运检系统分析[J].集成电路应用,2024(09).
丁炀,赵敏,衡茜,张靖,尹赟.基于数字孪生的变电站智能巡视系统研究[J].电力与能源,2024(06).
张贵峰,张忠轩,周朝荣,于智龙.基于EKF的变电站巡检机器人VIO/GPS融合定位算法[J].哈尔滨理工大学学报,2024(05).
王迦,高建勇,张磊,杨建伟.变电站的无人机自适应巡检系统设计[J].机械设计与制造,2025(07).
金敏捷,童雨舟.基于轻量级YOLOv4与KCF的复杂海面舰船目标识别[J].兵器装备工程学报,2024(11).
张芮千,焦昱鑫,杨雷,丁宇,徐善智.基于卷积神经网络的变电站巡检系统[J].电子质量,2024(12).
许尧,彭明智,胡永波,吴永恒,袁洪德.空间几何约束下的特高压变电站巡检机器人下坡节能控速方法[J].机械设计与制造工程,2025(01).
杨立新.基于改进YOLOv7算法的变电站设备缺陷检测模型研究[D].西安理工大学,2024(04).
0
浏览量
下载量
CSCD
关联资源
相关文章
相关作者
相关机构