融合因果知识的变电站仪表外观缺陷检测算法OA
针对变电站仪表外观缺陷检测中存在外观缺陷多尺度特征提取困难及缺陷类别不平衡等问题,提出一种融合因果知识的变电站仪表外观缺陷检测算法。在骨干网络引入全局-局部特征提取模块,增强模型对全局和局部缺陷特征的提取能力;在颈部加入跨层上下文特征金字塔网络,增强模型的特征融合能力;通过深入挖掘变电站仪表外观缺陷的因果机理,提出因果知识关联模块,使用融合因果知识权重的损失函数,辅助模型进行训练,提高模型在复杂的变电站场景下对于表计缺陷检测的准确性。实验结果表明,相较于基线模型,改进算法将平均精确率提升了4.1%,有效地提升了变电站仪表外观缺陷检测的效果。
赵振兵;马腾;景群;李嘉兵;李浩鹏;赵文清
华北电力大学电子与通信工程系,河北保定071003 华北电力大学河北省电力物联网技术重点实验室,河北保定071003 华北电力大学复杂能源系统智能计算教育部工程研究中心,河北保定071003华北电力大学电子与通信工程系,河北保定071003华北电力大学电子与通信工程系,河北保定071003华北电力大学电子与通信工程系,河北保定071003华北电力大学电子与通信工程系,河北保定071003 华北电力大学河北省电力物联网技术重点实验室,河北保定071003华北电力大学复杂能源系统智能计算教育部工程研究中心,河北保定071003 华北电力大学控制与计算机工程学院,河北保定071003
信息技术与安全科学
目标检测变电站仪表外观缺陷检测注意力机制全局-局部特征提取跨层上下文特征金字塔网络因果知识关联损失函数
《智能系统学报》 2026 (4)
P.988-1003,16
国家自然科学基金项目(61871182,U21A20486,62373151,62371188,62303184)河北省自然科学基金项目(F2021502008,F2021502013)中央高校基本科研业务费专项(2023JC006).
评论