摘要
输电线路巡检图像中的小缺陷目标和复杂背景可能会限制检测准确率，且现有的检测模型往往会产生巨大的计算成本。为解决这些问题，本研究提出了一种基于改进 RT-DETR 的电缆缺陷检测方法。首先，在骨干网络中引入了 DualConv 模块，以增强局部特征表示，同时减少参数冗余。其次，引入了 ContextGuidedDown 模块进行下采样，以缓解关键信息的丢失。最后，在基于注意力的尺度内特征交互（AIFI）编码器中，用 Dynamic Tanh 替换 LayerNorm，以改善对高层特征的调控。在 CableInspect-AD 数据集和 RF100 电缆损坏数据集上进行了实验。在 CableInspect-AD 上的主要单次运行比较中，该方法实现了 92.4% 的 mAP@0.5，比原始 RT-DETR 高出 2.7 个百分点，同时参数量从 20.1 M 减少到 18.6 M，计算成本从 58.3 下降到 53.4 GFLOPs。在四次配对随机种子运行中，DCGD-RTDETR 实现了 92.05 ± 0.34% 的平均 mAP@0.5，而 RT-DETR 为 90.98 ± 1.10%；然而，配对差异不具有统计学显著性（p = 0.086）。在相同的重复运行分析中，AP@0.75 从 RT-DETR 的 65.01 ± 1.43% 下降到 DCGD-RTDETR 的 63.26 ± 1.11%（p = 0.005），这表明在更严格的 IoU 阈值下的定位性能仍然是一个局限。消融实验进一步证实了这三种改进的互补贡献。总体而言，该方法在 IoU = 0.5 时提供了有利的检测精度与模型复杂度之间的权衡，但在更严格 IoU 的定位性能方面仍需进一步改进。
