【技术实现步骤摘要】
通用电力设备识别大模型方法及系统
[0001]本专利技术属于无人机电力巡检中的巡检影像电力设备自动识别应用,提出了一种通用的电力设备识别大模型
。
技术介绍
[0002]随着输电线路里程连年大规模增加,对保障输电线路安全稳定运行提出了重大考验
。
随着无人机
、
计算机视觉
、
嵌入式技术井喷式发展,电力巡检作业模式正逐步由传统人工方式向无人机精细巡视转变
。
无人机在巡检过程中,机上搭载的传感器吊舱沿电力走廊采集倾斜影像,通过机上或后台部署的目标检测算法定位和识别电力设备,诊断隐患故障
。“无人机
+
视觉识别系统”的新型电力巡检方式因其成本低
、
效率高,正逐渐成为主流的巡检作业模式
。
[0003]在计算机视觉领域,
SAM
技术实现了零样本的高性能检测效果,在通用场景中取得优异的分割性能
。
在电力巡检领域,由于无人机影像的复杂性及目标尺寸差异性大,现有的检测算法通用性低
、
参数量有限
、
泛化能力差,难以实现电力设备通用大模型,在实际输电线路中性能仍缺乏鲁棒性
。
基于此,在无人机电力巡检领域,采用
SAM
技术可有效提升检测性能
。
但
SAM
是一种类别无关的实例分割方法,严重依赖于先验的手动提示,包括点
、
框和粗略掩模,这些限制使 ...
【技术保护点】
【技术特征摘要】
1.
一种通用电力设备识别大模型方法,其特征在于,包括以下步骤:步骤1,采集获取电力巡检影像数据,构建输电线路数据集;步骤2,训练单阶段目标检测器,将检测到影像数据目标边界框作为显式提示;步骤3,利用大模型中图像编码器处理步骤1中的影像数据,再经大模型的提示器生成包含语义类别信息的隐式提示;融合步骤2和3中两种形式的提示,将融合后的语义类别信息传入大模型中,获得通用电力识别结果;其中,融合方式为,将单阶段检测器生成的显式提示与大模型中间层生成的隐式提示特征对齐,通过计算显式提示与隐式提示特征图的映射关系,融合两种提示的位置信息与类别信息
。2.
根据权利要求1所述的通用电力设备识别大模型方法,其特征在于:所述步骤1具体实现如下:步骤
1.1
,首先将采集到的各种场景的巡检影像筛选及清洗;步骤
1.2
,使用
labelImg
标注巡检影像,其中输电线路场景包括城市
、
大棚
、
农田
、
灌木丛
、
荒地
、
湖泊等,电力设备及外部侵入物种类覆盖输电杆塔
、
绝缘子
、
均压环
、
防震锤
、
间隔棒
、
绝缘子爆片
、
飘挂物;步骤
1.3
,将处理后的倾斜影像输入到单阶段目标检测器
。3.
根据权利要求2所述的通用电力设备识别大模型方法,其特征在于:所述单阶段目标检测器采用
YOLOv8。4.
根据权利要求1所述的通用电力设备识别大模型方法,其特征在于:步骤2的具体过程如下:步骤
2.1
,对原始影像进行尺度变化和填充;步骤
2.2
,将步骤
2.1
处理后的影像经数据增强及预处理后,输入到单阶段检测器骨干网中;步骤
2.3
,对骨干网提取到的特征进行多尺度特征融合;步骤
2.4
,融合后的特征输入到单阶段目标检测器,获取图像中包含的目标类别和粗略检测框
。5.
根据权利要求4所述的通用电力设备识别大模型方法,其特征在于:步骤
2.2
中数据增强及预处理包括:水平及竖直翻转
、
对比度调整
...
【专利技术属性】
技术研发人员:杨必胜,陈驰,付晶,邵瑰玮,严正斐,邹勤,金昂,王治邺,吴少龙,孙上哲,
申请(专利权)人:武汉大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。