结合知识图谱和小目标改进的RCNN电力杆塔部件识别方法

来源：计算机工程与应用杂志2025年第4期北京时间：

作者：张锴, 贾涛

单位：武汉大学 遥感信息工程学院，武汉 430070

摘要：电力巡检是输电线路建设中的重要一环，利用无人机对电力杆塔进行巡检，并使用深度学习辅助技术人员进行智能决策，能够减少漏检率，提高巡检效率。已有方法大多无法做到对无人机影像中电力部件进行多尺度识别，或无法适应电力杆塔影像复杂场景。针对以上问题，提出了一种结合知识图谱和小目标改进的RCNN电力杆塔部件识别方法。在Reasoning-RCNN模型基础上引入了空间知识图谱模块，对图像目标框间的空间关系建模；针对小目标问题构建了ROI上下文特征融合模块，并引入基于图像切分的小目标识别策略。对电力杆塔影像数据进行人工标注，并在此数据集上对模型进行实验评估。实验结果表明，所提算法实现了对复杂场景下的电力杆塔部件的多尺度识别，且精度超越了其他基准模型。

关键词：无人机巡检,深度学习,电力杆塔部件识别,知识图谱,小目标检测