重建错误引导实例分割用于红外检查的发电配电设备
Jinbin Luo1, Yi Sun2, Jian Zhang1
1CSG Guangdong Power Grid Corporation, Guangzhou 510000, China.
Sensors (Basel, Switzerland)
|October 16, 2025
概括
本研究引入了一种新的方法,用于在红外图像中对小型和复杂的电力设备进行细分,从而提高城市电网的安全性. 拟议的框架增强了特征表示,以准确检测过热故障.
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:
- 在红外图像中对配电设备的实例细分对于检测城市电网过热故障至关重要.
- 现有的方法在小规模和复杂结构的设备上扎,原因是下方采样操作导致的信息丢失.
研究的目的:
- 在红外图像中开发一个有效的实例细分框架用于发电设备.
- 为了应对小物体规模,复杂结构和红外电源设备数据集中的数据不平衡所带来的挑战.
主要方法:
- 构建第一个基于无人驾驶飞行器的红外数据集 (PDI) 用于电力分配检查,包含16596张图像和126570个实例.
- 关于重建错误 (RE) 引导实例分割框架的建议,该框架包含一个对象重建解码器 (ORD) 和一个差异特征增强 (DFE) 模块.
- ORD重建对象以识别信息丢失,生成突出对象特征的差异地图. DFE模块通过将它们与骨干功能合并来自适应地增强这些功能.
主要成果:
- 拟议的框架有效地重建对象,表明信息丢失和增强对象特征表示.
- 在构建和公共数据集上的实验证明了框架的强大泛化,优越性和多功能性.
- 该方法成功地提高了小型和复杂的发电设备的实例细分精度.
结论:
- 开发的RE-guided实例细分框架与ORD和DFE模块显著提高了在红外图像中检测发电设备的性能.
- 这一进步对于提高过热故障检测的准确性至关重要,从而提高城市电网的可靠性.
- PDI数据集和拟议的框架为未来在电力设备检查和维护方面的研究提供了宝贵的资源.
