文章详情

摘要

针对低照度条件下输电线路巡检图像存在亮度不足、边缘弱化和噪声增强等问题，提出一种基于LLE-DETR的隐患检测方法。该方法以RT-DETR为基础，在骨干网络中构建低照度边缘增强网络（LLENet），以提升目标轮廓与纹理表达；在混合编码器中设计动态自适应尺度内特征交互模块（DA-AIFI），以增强低照度场景下的高层语义建模能力；在跨尺度融合阶段引入线性可变形卷积（LDConv），以减弱固定下采样对边界细节的破坏。实验结果表明，该方法在自建低照度输电线路隐患数据集上的mAP@0.5和mAP@0.5:0.95较基线RT-DETR分别提升3.6%和2.5%，推理速度达到53.6帧/秒，在保证实时性的同时有效提升了低照度条件下的隐患检测性能。

关键词

输电线路；低照度检测；隐患检测；RT-DETR；边缘增强

参考文献

1. [1] 刘敏，陈明，武明虎，等.GAE-YOLO：全局感知增强的输电线路外破隐患目标检测方法 [J].仪器仪表学报，2025，46（2）：267-278.
2. [2] 高超，王真，吴奇伟，等.基于特定区域目标检测的输电通道有效外破隐患检测方法 [J].电网与清洁能源，2025，41（1）：44-49，60.
3. [3] 王亚茹，冯利龙，宋晓轲，等.TFD-YOLOv8：一种用于输电线路的异物检测方法 [J].图学学报，2024，45（5）：901-912.
4. [4] 赵振兵，张薇，翟永杰，等.电力视觉技术的概念、研究现状与展望 [J].电力科学与工程，2020，36（1）：1-8.
5. [5] 史晋涛，李喆，顾超越，等.基于样本扩充的Faster R-CNN电网异物监测技术 [J].电网技术，2020，44（1）：44-51.
6. [6] 赵霖，王素珍，邵明伟，等.基于改进YOLOv5的输电线路鸟巢缺陷检测方法 [J].电子测量技术，2023，46（3）：157-165.
7. [7] 王震洲，孙冬冬，王建超，等.改进RT-DETR的输电线路异物检测算法研究 [J].计算机工程与应用，2026，62（2）：116-125.
8. [8] Carion N，Massa F，Synnaeve G，et al. End-to-End Object Detection with Transformers [C]//European Conference on Computer Vision，2020：213-229.
9. [9] Zhao Y A，Lyu W Y，Xu S L，et al. DETRs Beat YOLOs on Real-Time Object Detection [PP/OL].arXiv:2304.08069 [cs.CV].https://arxiv.org/abs/2304.08069.
10. [10] Zhang X，Song Y Z，Song T T，et al. LDConv: Linear Deformable Convolution for Improving Convolutional Neural Networks [J/OL].Image and Vision Computing，2024，149：105190.https://doi.org/10.1016/j.imavis.2024.105190.
11. [11] Zhu J C，Chen X L，He K M，et al. Transformers without Normalization [C]//2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)，2025：14901-14911.
12. [12] Liu S L，Li F，Zhang H，et al. DAB-DETR: Dynamic Anchor Boxes are Better Queries for DETR [PP/OL].arXiv:2201.12329 [cs.CV].https://arxiv.org/abs/2201.12329.
13. [13] Zhang H，Li F，Liu S L，et al. DINO: DETR With Improved DeNoising Anchor Boxes For End-To-End Object Detection [PP/OL].arXiv:2203.03605 [cs.CV].https://arxiv.org/abs/2203.03605.

基金项目

国家自然科学基金（52074305）；河南省科技攻关项目（212102210005）

作者简介

吴君（1979—），男，汉族，安徽池州人，教授，博士研究生，研究方向：矿山信息化、深度学习；郭帅邦（2001—），男，汉族，河南周口人，硕士研究生在读，研究方向：深度学习与目标检测；冷奇远（2001—），男，汉族，河南新乡人，硕士研究生在读，研究方向：人工智能与深度学习。