结合Vi-Transformer和多尺度信息融合的输电线路缺陷识别方法及系统技术方案

本发明专利技术实施例提供一种结合Vi‑Transformer和多尺度信息融合的输电线路缺陷识别方法及系统，属于图像识别技术领域。所述识别方法包括：采用Vi‑Transforme网络分离输电线路图像，以得到多个类别的单一特征图；对所述单一特征图进行图像信息融合操作，以得到多尺度信息特征图；采用输电线路巡检图像缺陷识别模型识别所述多尺度信息特征图，以确定所述输电线路图像中的缺陷类型。相较于现有技术而言，本发明专利技术提供的识别方法及系统由于结合了多种特征信息，使得生成的网络模型具有更高的识别效率。

【技术实现步骤摘要】

本专利技术涉及图像识别，具体地涉及一种结合vi-transformer和多尺度信息融合的输电线路缺陷识别方法及系统。

技术介绍

1、在电力系统中，输电线路的安全稳定运行对于保障电能传输的连续性和稳定性具有至关重要的作用。因此，及时发现和处理输电线路的缺陷是电力维护工作中不可或缺的一环。传统的输电线路缺陷检测主要依赖于人工巡检，这种方式不仅效率低下，而且容易受到人为因素的影响，存在漏检和误检的问题。

2、近年来，随着计算机视觉技术的快速发展，基于深度学习的输电线路缺陷检测模型逐渐应用于实际场景。然而，现有的输电线路缺陷检测模型在识别精度和适应性等方面仍然存在一定的不足。具体而言，这些模型在针对严重、危急缺陷的检出率上表现不佳，往往无法实现对缺陷的全覆盖识别。这意味着在模型运行之后，查缺人员仍然需要对未被模型识别出的缺陷图片进行二次筛查，这无疑增加了他们的工作量，也降低了缺陷检测的效率。

3、此外，现有模型的整体误报率也偏高。在实际应用中，误报不仅会导致查缺人员花费大量时间处理无效的报警信息，还可能掩盖真正的缺陷问题，从而影响到电力系统本文档来自技高网...

【技术保护点】

1.一种结合Vi-Transformer和多尺度信息融合的输电线路缺陷识别方法，包括：

2.根据权利要求1所述的识别方法，其特征在于，采用Vi-Transforme网络分离输电线路图像，以得到多个类别的单一特征图，包括：

3.根据权利要求2所述的识别方法，其特征在于，采用所述输电线路图像分割成多个图像块，包括：

4.根据权利要求2所述的识别方法，其特征在于，组合所述类别和位置，以得到所述单一特征图，包括：

5.根据权利要求4所述的识别方法，其特征在于，根据所述类别和位置确定嵌入输入向量，包括：

6.根据权利要求5所述的识别方法，...

【技术特征摘要】

1.一种结合vi-transformer和多尺度信息融合的输电线路缺陷识别方法，包括：

2.根据权利要求1所述的识别方法，其特征在于，采用vi-transforme网络分离输电线路图像，以得到多个类别的单一特征图，包括：

3.根据权利要求2所述的识别方法，其特征在于，采用所述输电线路图像分割成多个图像块，包括：

4.根据权利要求2所述的识别方法，其特征在于，组合所述类别和位置，以得到所述单一特征图，包括：

5.根据权利要求4所述的识别方法，其特征在于，根据所述类别和位置确定嵌入输入向量，包括：

6.根据权利要求5所述的识别方法，其特征在于，采用msa blo...

【专利技术属性】
技术研发人员：刘宁，白云灿，郭晓冰，武艺，刘伟东，郭峻菘，徐文瀚，余江斌，聂文萍，孔令宇，周立存，王宁，刘成强，方跃岳，胡伟，杨国柱，
申请(专利权)人：国网电力空间技术有限公司，
类型：发明
国别省市：