有效的跨模式绝缘体增强,用于在无人机图像中检测多域绝缘体缺陷.

科学领域:

• 电气工程 电气工程
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 定期检查绝缘体对于电力系统的稳定性至关重要.
• 无人驾驶飞行器 (UAV) 检查正在取代传输线路的手动方法.
• 对于绝缘体缺陷检测的深度学习方法显示出希望,但面临着推断复杂性的挑战.

研究的目的:

• 提出一个高效的跨模式绝缘体增强算法,用于多域缺陷检测.
• 解决现有方法中的过度匹配问题和推断复杂性.
• 为了提高绝缘体缺陷检测在现实场景中的准确性.

主要方法:

• 开发了一种高分辨率绝缘体跨模式翻译 (HICT) 模块,用于生成多模式图像,减少模式差异.
• 引入了一个多域绝缘器多尺度空间增强 (MMA) 模块,用于增强不同空间尺度的图像.
• 集成的融合图像和位置信息,以改善各种尺度的缺陷定位.

主要成果:

• 拟议的算法在公共UPID和SFID绝缘器缺陷数据集上取得了卓越的性能.
• 在没有额外的推断资源的情况下,证明有效地缓解了过度装配问题.
• 验证了算法的模拟复杂场景的能力,并提高了检测准确度.

结论:

• 新的跨模式增强算法显著提高了绝缘体缺陷检测精度.
• 该方法提供了一种有价值的方法来提高输电线路检查效率和安全性.
• 这项工作为推进缺陷检测提供了新的视角,而不会增加计算需求.