输电线路覆冰是威胁电网安全稳定运行的重要自然灾害之一,实时、准确的覆冰监测对预防覆冰、线路
舞动、杆塔倒塌等事故具有重要意义.人工巡检和基于图像处理方法存在效率低、成本高等问题,而基于深度学习
的语义分割方法因复杂背景、恶劣天气等导致无法进行精细化分割任务.本文针对输电线路覆冰图像的分割任务
中关于复杂背景、边缘特征模糊等困难,提出了一种针对复杂背景干扰的输电线路覆冰精细化分割算法.该模型在
轻量级 SegFormer-B2 基础上提出一种介于编码器与解码器之间的多尺度特征增强 U 型网络(MSFE-USN),该
网络首先通过 U 型架构网络(USN)进行特征融合,并采用边缘引导多尺度注意力模块(EMSAM)增强输电线
路覆冰与背景的边缘轮廓识别能力,然后利用卷积块注意力模块(CBAM)抑制雨雪、湖泊、雾天等复杂背景干
扰.最后在自建的输电线路覆冰语义分割数据集(TLI-SSD)上的实验表明,所提模型的 mIoU 达到 94.07 %,各指标
均优于其他对比模型与消融模型.并通过预测结果图对比,展示出所提模型在极端天气与复杂背景的优异精细化
分割能力.本研究为输电线路覆冰的自动化、高精度分割提供了有效解决方案,对电网智能运维具有重要的工程应
用价值.
发表评论