EN基于改进YOLOv10的变电站跨尺度视觉识别方法
Cross-scale Visual Recognition Method for Substations Based on Improved YOLOv10
- 智慧电力 2026年54卷第3期 页码：125-133
- 作者机构：
1. （1.内蒙古电力（集团）有限责任公司内蒙古电力科学研究院分公司,内蒙古,呼和浩特,010000
2. 内蒙古电力（集团）有限责任公司,内蒙古,呼和浩特,010000
3. 内蒙古电力（集团）有限责任公司乌海超高压供电分公司， ）,内蒙古,乌海,016000
- 作者简介：
- 基金信息：
DOI：10.20204/j.sp.2026.03015
中图分类号：-
纸质出版：2026
- 稿件说明：
移动端阅览
陶 军,杨建中,钟 鸣,张 艺,刘 锋.基于改进YOLOv10的变电站跨尺度视觉识别方法[J].智慧电力,2026,54(3):125-133.
doi:10.20204/j.sp.2026.03015
陶 军,杨建中,钟 鸣,张 艺,刘 锋.基于改进YOLOv10的变电站跨尺度视觉识别方法[J].智慧电力,2026,54(3):125-133. DOI： 10.20204/j.sp.2026.03015.
doi:10.20204/j.sp.2026.03015 DOI：
摘要
针对变电站二次图纸在人工识别过程中存在的操作繁琐、效率低下且识别结果后续处理困难等问题，提出一种基于改进YOLOv10的变电站跨尺度视觉识别方法。为应对目标尺度多样性与场景复杂性，利用多尺度膨胀残差结构扩展感受野，强化模型对多尺度符号的适应性；构建平衡细节融合（BDF）模块，实现浅层细粒度特征与深层语义特征的自适应协同；引入DySample动态上采样机制替代传统插值方式，能够显著改善分辨率还原与边缘对齐的效果；设计Focaler-SIoU损失函数，增加方向性与尺度约束，引导模型更精确地拟合小目标及遮挡符号的边界。仿真结果表明，所提方法在保持较高推理效率的同时，有效提升了对密集排布、小尺寸及形态复杂目标的检测性能。
Abstract
To address issues such as cumbersome processes
low efficiency
and difficulties in subsequent processing of recognition results in the manual identification of secondary substation diagrams
a cross-scale visual recognition method for substations based on an improved YOLOv10 is proposed. To cope with the diversity of target scales and scene complexity
a multi-scale dilated residual structure is adopted to expand the receptive field and enhance the model's adaptability to multi-scale symbols. A Balanced Detail Fusion （BDF） module is designed to promote the adaptive fusion of shallow detail features and deep semantic features. The DySample dynamic upsampling mechanism is introduced to replace traditional interpolation methods
effectively improving the resolution recovery quality and edge alignment accuracy of feature maps. Furthermore
the Focaler-SIoU loss function is proposed
which introduces directional and scale constraints to enhance the model's boundary regression capability for small targets and occluded symbols. Experimental results show that this method significantly improves detection performance for densely arranged
small-sized
and morphologically complex targets while maintaining high inference efficiency.
关键词
Keywords
references
陈宇慧，付天任，林丹. 数字孪生技术在换流站智能运维中的应用 [J ] . 高压电器，2025，61（6）: 219-227.
马富齐，穆睿昕，贾嵘，等. 基于声光融合成像特征解析的电力设备局部放电精细识别方法研究 [J ] . 电力系统保护与控制，2025，53（11）: 51-62.
周登科，程龙，张亚平，等. 海上升压站机器人智能巡检系统应用分析 [J ] . 南方能源建设，2025，12（1）: 116-126.
杨远朋，王有强，李显伟，等. 基于物联网技术的继电保护二次回路在线监测系统 [J ] . 电子设计工程，2025，33（14）: 90-93+97.
陈亦寒，俞家融，杨静泊，等. 基于域间相似度的继电保护虚端子组态连接校核系统 [J ] . 电子设计工程，2025，33（11）: 173-177.
于子涵，王赫鸣，王建凯，等. 基于无人机巡检的输电线路绝缘子及其异物检测算法 [J ] . 发电技术，2025，46（3）: 532-540.
王鹏玮，徐丙垠，李天友，等. 长短时间尺度特征在导线触树故障识别中的应用分析 [J ] . 供用电，2024，41（11）: 11-19，30.
孙国强，史学恒，罗哲清，等. 基于专家知识与大语言模型混合增强的水电站告警智能诊断 [J ] . 电力建设，2025，46（10）: 44-57.
王飞，王立辉，周少武，等. 基于双分支并联的特征融合电能质量扰动分类方法 [J ] . 电力系统保护与控制，2024，52（5）: 178-187.
张勇，宋爱波，苏猛猛，等. 电气接线图的矢量化技术研究 [J ] . 浙江电力，2024，43（8）: 28-35.
吐松江·卡日，吴现，马小晶，等. 基于地基云图数据多维特征融合的光伏功率预测算法 [J ] . 电力系统保护与控制，2025，53（11）: 84-94.
刘若鹏，徐辉，赵庆杰，等. 基于多粒度声纹图谱和时延神经网络的变压器直流偏磁故障程度识别方法 [J ] . 智慧电力，2025，53（3）: 99-106.
高子寒，张思瑞，成岭，等. 近零碳园区的综合能源系统优化与评价方法 [J ] . 分布式能源，2025，10（2）: 25-35.
尹向雷，解永芳，屈少鹏，等. 基于动态蛇形卷积和非跨步卷积的绝缘子缺陷检测 [J ] . 电力系统保护与控制，2024，52（20）: 177-187.
徐鹏雷，杨文刚. 基于YOLO的输电线路鸟巢检测网络结构改进研究 [J ] . 智慧电力，2024，52（4）: 54-61.
陈继明，陶志雄，沈志彬，等. 基于改进HPO-ELM与证据推理规则的变压器状态评估方法 [J ] . 山东电力技术，2025，52（4）: 58-68.
王辉，韩磊. 基于改进YOLOv11的煤矿传送带异物检测方法 [J ] . 电子设计工程，2025，33（14）: 66-70.
BUMBÁLEK R，UFITIKIREZI M D D J，UMURUNGI N S，et al. Computer vision in precision livestock farming: benchmarking YOLOv9，YOLOv10，YOLOv11，and YOLOv12 for individual cattle identification [J ] . Smart Agricultural Technology，2025，12: 101208-101219.
刘宏志，马跃，邱彬，等. 改进YOLOv11n在输电线路绝缘子主要缺陷检测中的应用研究 [J ] . 高压电器，2025，61（10）: 149-158.
刘忠，周泽华，邹淑云，等. 基于知识蒸馏-卷积神经网络的水轮机空化状态识别方法 [J ] . 发电技术，2025，46（1）: 161-170.
ZHANG C，LIU X，SHANG Q，et al. Personnel target detection in infrared environment based on YOLOv3-tinier network and its FPGA implementation [J ] . Infrared Physics and Technology，2025，150: 106015-106027.
彭桂喜，袁思遥，高梓寒，等. 基于深度学习低图像要求的继电保护压板状态自动识别方法 [J ] . 电力科学与技术学报，2024，39（2）: 134-142.
RONG X，ZHONG C. PPFGED: Federated learning for graphic element detection with privacy preservation in multi-source substation drawings [J ] . Expert Systems with Applications，2024，243: 122758-122770.
贾梦涵，刘刚，徐世杰，等. 异构图像融合算法及其在电力设施检测中的应用研究 [J ] . 发电技术，2024，45（3）: 558-565.
BHANBHRO H，HOOI K Y，KUSAKUNNIRAN W，et al. A symbol recognition system for single-line diagrams developed using a deep-learning approach [J ] . Applied Sciences，2023，13（15）: 182-193.
FAHIM F，HASAN S M. Enhancing the reliability of power grids: A YOLO based approach for insulator defect detection [J ] . e-Prime-Advances in Electrical Engineering，Electronics and Energy，2024，9: 100663-100671.
宋智伟，黄新波，纪超，等. 基于PCSA-YOLOv7 Former的输电线路连接金具及其锈蚀检测方法 [J ] . 中国电力，2024，57（6）: 141-152.
ZHANG Y，CHEN X，SUN S，et al. Vehicle detection in drone aerial views based on lightweight OSD-YOLOv10 [J ] . Scientific Reports，2025，15（1）: 25155-25163.
ZHAO F，XU D，REN Z，et al. Mamba-based super-resolution and semi-supervised YOLOv10 for freshwater mussel detection using acoustic video camera: A case study at Lake Izunuma，Japan [J ] . Ecological Informatics，2025，90: 103324-103332.
张树华，许海清，王辰，等. 面向输电线路异常目标识别的模型加速技术 [J ] . 电网与清洁能源，2025，41（5）: 41-47.
程才菲，梁峰，秦海鹏，等. 高性能实时目标检测加速器设计与实现 [J ] . 电子设计工程，2024，32（22）：175-180，185.
田雪涵，董坤，赵剑锋，等. 基于增强优化预训练语言模型的电力数据实体识别方法 [J ] . 智慧电力，2024，52（6）：100-107.
李欣，吕干云，龚彧，等. 基于二维时频谱图与改进YOLOv5的电能质量扰动识别 [J ] . 浙江电力，2024，43（10）：35-44.
史可鉴，朱义东，胡大伟，等. 基于YOLOv8n的配电网高温故障预警无损检测方法研究 [J ] . 电网与清洁能源，2025，41（7）：19-26.
刘合金，苏国强，左新斌，等. 基于改进型Yolov10的配电架空线路绝缘子缺陷检测 [J ] . 山东电力技术，2025，52（11）：67-75.
杨金成，王永超，费守江，等. 基于Faster R-CNN的非侵入式负荷识别方法 [J ] . 分布式能源，2022，7（2）：26-33.
0
浏览量
14
下载量
0
CSCD
- Meta-XML下载
- BibTeX下载
- Endnote下载
- RefMan 下载
- NoteExpress下载
- NoteFirst下载
关联资源
相关文章
相关作者
相关机构
AI问答- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies