基于生成式增强与改进RF-DETR的输电线路覆冰视觉监测

《Electric Power Systems Research》:Vision-based monitoring of transmission line icing via generative augmentation and improved RF-DETR

【字体: 大 中 小 】 时间:2026年08月30日 来源:Electric Power Systems Research 4.3

编辑推荐:

   IceGAN通过质量控制合成覆冰样本丰富训练数据。 改进的RF-DETR增强了细长覆冰导体的分割性能。 五次仅基于真实数据的场景级划分确认了mAP和Dice指标的显著提升。 IPM校正将等效覆冰厚度平均绝对误差(MAE)降低至0.87毫米。 边缘设备基准测试显

  IceGAN通过质量控制合成覆冰样本丰富训练数据。 改进的RF-DETR增强了细长覆冰导体的分割性能。 五次仅基于真实数据的场景级划分确认了mAP和Dice指标的显著提升。 IPM校正将等效覆冰厚度平均绝对误差(MAE)降低至0.87毫米。 边缘设备基准测试显示,在Jetson Orin NX上运行速率为6.7帧/秒,适用于现场监测。 引言 高压输电线路的覆冰现象对电网安全构成严重威胁,常导致导线断裂、塔架倒塌和闪络等灾难性故障。这些事故可能引发大面积停电和重大经济损失,尤其在山区、高海拔和寒冷气候区域。因此,准确及时的覆冰状况监测对于维持输电系统的稳定性、可靠性和韧性至关重要。 现有监测方法可大致分为人工观测、物理传感和图像分析三类。早期方法主要依赖人工巡检,但在偏远或恶劣环境中存在劳动强度大、安全风险高、检测频率低和运维成本高等局限性。物理传感技术也得到了广泛研究,例如模拟线法通过重量或电容传感器估算覆冰参数,机械建模则结合实时载荷数据与理论平衡模型计算等效覆冰厚度。光纤传感通过热响应和应变响应检测与覆冰相关的温度和应力变化,提供了另一种选择。然而,这些接触式方法通常仅提供点状测量,缺乏直接视觉验证,且在复杂气象条件下可能出现测量漂移。 非接触式图像分析近期作为一种有前景的解决方案崭露头角,因其能提供视觉证据、空间覆盖和远程监测能力。传统图像方法通常采用预处理、特征提取和几何测量的流水线,高斯变换、大津法阈值处理和Canny边缘检测等算法被广泛用于识别导体或覆冰边界。然而,这些方法严重依赖低级手工特征,对光照变化、背景杂乱、雪花噪声和复杂导体外观敏感,导致实际监测场景中频繁出现误检。 随着深度学习的发展,卷积神经网络已逐步取代传统特征算法应用于输电线路巡检任务。在目标检测和分割方面,研究者已对MobileNetV3和YOLOv8等轻量化架构进行优化以实现边缘部署。虽然这些方法计算效率高,但通用检测器往往牺牲特征分辨率,可能导致细微或早期覆冰漏检。为提升多尺度表征能力,特征金字塔网络(FPNs)被集成到检测和分割框架中,但标准FPN结构仍难以保持输电导体等极细长目标拓扑连续性。尽管近期如全局微条带感知网络(GMSA-Net)和基于Swin-Transformer与生成对抗网络增强的U-Net(SGAN-UNet)等方法提升了边界精度和覆冰分割性能,但大多数现有架构仍缺乏专门机制校正二维监测图像中的透视畸变。 尽管取得上述进展,实际部署仍面临若干挑战。由于极端覆冰事件发生频率低、地域性强且恶劣天气下难以捕捉,高质量标注覆冰数据依然稀缺,这限制了深度学习模型的泛化能力,尤其针对罕见覆冰形态。覆冰导体分割同样困难,因输电线路细长且易与复杂场景中的背景结构混淆;现有网络可能检测到局部线路区域,但往往无法保持导体跨度的拓扑连续性。此外,定量覆冰评估受透视畸变影响,许多现有方法依赖简单二维像素比率而不显式考虑相机姿态或视角几何,这会导致等效覆冰厚度估算显著误差。这些局限性制约了基于视觉的覆冰检测作为实际智能电网应用监测模块的可靠性。 为应对这些挑战,我们提出了一种用于输电线路覆冰监测的集成视觉框架。本工作的主要贡献如下: (1) 我们将周期一致性生成对抗网络极速版(CycleGAN-turbo)适配到输电线路覆冰场景,并提出IceGAN,其中融合了多尺度纹理提取(MTE)机制、覆冰感知损失和质量控制的合成样本选择。其新颖性在于生成物理合理的覆冰形态并丰富罕见覆冰模式,而非仅应用通用图像翻译。 (2) 我们在RF-DETR基础上引入覆冰特异性改进以支持细长导体分割,包括IFEAs、Mix-FPN及边界/拓扑感知损失约束。不同于直接使用通用检测器,该设计针对覆冰输电线路的方向连续性、多尺度覆冰形态和边界模糊问题。 (3) 我们采用图像透视变换(IPM)原理进行几何校正,并与分割掩膜导出的消失点估计、可靠性检查和面积比等效厚度计算相结合,形成闭环感知-测量流水线,提升非正交相机视角下的厚度估算精度。 本文其余部分组织如下。第二部分介绍所提方法,包括基于IceGAN的生成增强、改进的RF-DETR分割框架以及基于IPM的等效厚度计算方法。第三部分描述数据集、实验设置、对比评估、消融研究、厚度估算结果和实际部署分析。第四部分总结全文并讨论局限性和未来工作。 章节摘要 方法 我们通过IceGAN生成合成图像以解决极端覆冰数据匮乏问题。在人工重新标注这些样本后,我们训练改进的RF-DETR以分割细长导体。最后,利用掩膜边界估算消失点并应用IPM计算覆冰厚度。图1展示了我们的输电线路覆冰监测框架。图1上半部分说明离线数据增强和模型训练流程,下半部分则显示…… 数据集与实验设置 为应对极端覆冰图像资源有限问题,我们构建了一个扩展的真实世界覆冰数据集。源域包含来自CPLID数据集的2000张正常输电线路图像。目标域包含800张真实覆冰图像,其中600张由国家电网公司提供,200张为同一电力系统新采集的现场监测图像,并经人工标注。该数据集涵盖不同视角、背景和覆冰…… 结论 本研究中,我们提出了一种用于输电线路覆冰监测的集成深度学习框架。该框架解决了三个实际问题:极端覆冰数据有限、细长覆冰导体分割和相机视角导致的厚度估算误差。为减少数据稀缺影响,我们采用带MTE模块的IceGAN合成覆冰图像并扩展训练分布。在检测与分割方面,我们引入改进的RF-DETR模型…… 生成式AI及AI辅助技术在稿件准备过程中的声明 在本工作准备过程中,作者使用了Gemini检查语法错误并润色英语表达。使用此工具后,作者根据需要审阅和编辑了内容,并对已发表文章的内容承担全部责任。 作者贡献声明 刘青松:撰写–原稿、可视化、验证、软件、方法学、调查、数据整理、概念化。李林林:撰写–审阅与编辑、验证、监督。景海连:撰写–审阅与编辑。 刘青松|李林林|景海连
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号