摘要：为了解决输电线路多金具检测任务中存在的小目标和密集遮挡问题并充分利用金具高分辨率航拍图像的信息优势,提出基于先验知识辅助聚类的粗-精输电线路多金具检测方法。首先,通过粗检测模块实现对输电线路高分辨率航拍图像的初步感知。接着,通过先验知识指导结构场景子区域选取模块中聚类算法半径的确定,以自适应聚类出合适的子区域。最后,设计精检测模块充分利用高分辨率航拍图像中的关键信息,进行金具的精确感知,并融合粗检测结果以实现由粗到精的金具识别。经实验证明,基于先验知识辅助聚类的粗-精输电线路多金具检测模型比之基线模型准确率提高了11.3%,对其中小目标金具和密集遮挡金具检测准确率的提高尤为明显。

摘要：针对输电线路多金具检测任务中的小目标问题和密集遮挡问题,提出基于隐含空间知识融合的输电线路多金具检测方法。首先,为了挖掘输电线路金具间的隐含空间知识以协助模型进行检测,提出空间框设定模块和空间上下文提取模块进行空间框的设定以及空间上下文信息的提取。然后,设计空间上下文记忆模块对空间上下文信息进行筛选和记忆,并由此辅助多金具检测模型的定位。最后,改进模型后处理部分以进一步缓解金具密集遮挡带来的低检测精度问题。实验结果表明,该模型对多类金具的检测有提升效果,尤其对于小目标金具和密集遮挡金具的提升尤为显著。且相比于基线模型,在整体的AP^(50)评价指标和更严格的AP^(75)评价指标上分别提高了3.5%和5.7%。这为后续金具检测的落地应用和进一步的故障诊断奠定了基础。

摘要：针对复杂红外背景下光伏板缺陷尺寸变化大、检测精度低的问题,提出了一种融合注意力的多尺度光伏板缺陷检测方法。首先构建多尺度特征自适应融合网络(Multi-scale adaptive fusion feature pyramid network,MAFPN)模型,以融合浅层与深层特征、提高网络对多尺度缺陷的特征表达能力;其次设计一种特征增强模块(Feature enhancement module,FEM),以提高模型提取上下文的能力、获取更多有效信息;设计了一种自适应特征融合模块(Adaptive feature fusion module,AFM),在特征融合中嵌入了注意力机制,使模型能更加准确地捕获关键信息、保留融合过程中的语义信息与细节信息。在光伏红外数据集上进行实验,结果表明改进后的算法能够有效地识别红外图像中的缺陷。