基于改进 SAM2-UNet 的线性结构感知无人机巡检电力线分割方法

《Electronics》：A Topology-Constrained SAM2-UNet with Linear Structure Awareness for Power Line Segmentation

　　

摘要

针对无人机巡检场景中电力线自动分割所面临的极端长宽比挑战，本文提出了一种基于改进 SAM2-UNet 的线性结构感知优化框架。该框架采用 SAM2-UNet 的机制，在保留 SAM2-Hiera 通用表征能力的同时，引入了三项针对精准电力线分割的关键改进。首先，设计了一个结合可变形卷积与方向解耦条带卷积的线性结构增强模块（LSEB），以自适应地捕捉几何特征。其次，引入了一种利用梯度方向先验进行特征重加权的定向感知注意力（DAA）机制，以增强空间连贯性。最后，通过将拓扑连通性约束转化为可微优化目标，构建了一种边界方向一致性损失函数。在 TTPLA（输电塔与电力线航拍）数据集上的实验表明，所提方法能够实现精准的电力线分割。与标准 SAM2-UNet 相比，所提方法在 IoU 和 Dice 指标上分别提升了 3.09 和 2.64 个百分点。