绝缘体表面缺陷检测方法基于图形特征扩散蒸
Shucai Li1, Na Zhang2, Gang Yang2
1State Grid Shanxi Electric Power Company Lvliang Power Supply Company, Lvliang 033000, China.
Journal of imaging
|June 25, 2025
概括
这项研究引入了一种新的图形特征扩散蒸 (GFDD) 方法,用于电源绝缘器缺陷检测. GFDD显著提高了识别表面缺陷的准确性和稳定性,为自动化检查提供了有价值的工具.
科学领域:
- 电气工程 电气工程
- 计算机视觉 计算机视觉
- 材料科学 材料科学 材料科学
背景情况:
- 电源绝缘器的表面缺陷对电网稳定性构成风险.
- 目前的缺陷检测方法在有限的缺陷样本,不规则的形状和较差的定位准确性方面扎.
研究的目的:
- 开发电源绝缘器的自动缺陷检测方法,以解决样本稀缺问题并提高定位准确性.
- 提高缺陷检测模型的稳定性和通用化能力.
主要方法:
- 提出了一个图形特征扩散蒸 (GFDD) 方法.
- 采用双教师架构,具有图形特征一致性约束,以减轻特征偏差.
- 使用跨层功能融合模块进行动态的多尺度信息聚合.
- 包含扩散蒸机制和道注意力,用于增强的全球上下文建模.
主要成果:
- 在自建数据集上获得了96.6%的Pi.AUROC,97.7%的Im.AUROC和95.1%的F1得分,比现有方法的表现要好2.4-3.2%.
- 在多个公共数据集中展示了出色的概括性和稳定性.
- GFDD为绝缘体表面缺陷的自动检查提供了高精度的解决方案.
结论:
- GFDD方法在自动化电源绝缘器缺陷检测方面提供了显著的进步.
- 该方法有效地应对数据有限和不规则的缺陷形态等挑战.
- 该方法具有相当大的工程价值,可用于电力基础设施维护中的实际应用.
更多相关视频
06:57Theoretical Calculation and Experimental Verification for Dislocation Reduction in Germanium Epitaxial Layers with Semicylindrical Voids on Silicon
Published on: July 17, 2020
2.3K
09:15Light Enhanced Hydrofluoric Acid Passivation: A Sensitive Technique for Detecting Bulk Silicon Defects
Published on: January 4, 2016
9.4K
