IDD-DETR:绝缘体缺陷检测模型和低碳运行和维护应用,基于双向交叉尺度融合和动态基因图注意力

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:

• 超高压输电线路绝缘体的智能操作和维护在检测小缺陷和处理复杂的背景方面面临挑战.
• 现有的RT-DETR模型在效率低下的特征融合和低对比度缺陷检测方面扎.

研究的目的:

• 提出一个改进的网络,IDD-DETR,以更高效,更准确地检测绝缘体缺陷.
• 解决现有模型在处理小规模缺陷和复杂环境干扰方面的局限性.

主要方法:

• 用特征聚焦扩散网络 (FFDN) 取代PAFPN,以改善多尺度特征融合.
• 引入了动态范围基因图表自我注意 (DHSA),以提高在低亮度条件下的缺陷检测.
• 利用双向的跨度交互来实现高效的核聚变.

主要成果:

• 实现了81.7%的mAP50 (比RT-DETR增加了3.8%) 和74.6%的闪过缺陷AP50 (+6.1%).
• 在NVIDIA RTX3060.0.上保持了76 FPS的性能.
• 综合遗漏检测率从26.7%降低到23.3%.

结论:

• IDD-DETR模型显著提高了绝缘体缺陷检测准确度和超高压输电线路的效率.
• 该模型有助于减少每年45.6 GWh (283,000CO2减排) 的电力损失,并提高运营安全.
• 这项研究支持电力传输基础设施的低碳运营和维护战略.