基于改进语义分割网络与立体视觉的安全距离测量方法
来源：计算机工程与应用杂志2026年第14期北京时间：
作者：闵永智, 王潇, 田文杰, 王果
单位：1.兰州交通大学 自动化与电气工程学院，兰州 730070；2.甘肃省人工智能与图形图像工程中心，兰州 730070；
摘要：带电作业在现代电力检修中具有重要地位，作业安全直接关系到电网稳定运行和人员生命安全，因此研究智能化安全距离测量方法对保障安全生产意义重大。针对传统安全距离测量方法存在的精度低、反应慢以及作业场景元素复杂难以检测等问题，提出一种带电作业关键目标边界语义分割网络和基于物体外轮廓提取的安全距离测量方法，用于实时精准测量带电作业人员关键部位与带电体之间的安全距离。通过采用MobileNetv3_large优化DeepLabV3+主干网络，调整ASPP模块实现多尺度特征提取，并设计BAM（boundary-aware module）边界感知模块以提升复杂环境下目标边界的分割能力。为提高模型边界分割性能，设计了包括语义分割损失、边界感知损失与Dice的损失联合损失函数。利用边界轮廓提取函数获取被测部位的轮廓像素点，传入自适应块调整SGBM的双目立体视觉模型进行最小欧式距离计算，实现实时安全距离的测量。实验结果表明，所提出的方法在带电作业场景中物体分割的MIoU达到84.48%，边界分割率BF1为87.82%，关键部位与带电体之间的安全距离检测的平均相对误差仅为4.16%，模型整体运行帧率为25.6?FPS，相比于现有方法表现出更好的测量性能以及实用价值。
关键词：安全距离测量,带电作业,边界感知,作业场景分割,双目视觉感知
基金资助：国家自然科学基金（52467007）；甘肃省联合科研基金一般项目（24JRRA852）。
