基于轻量化深度学习驱动的输电线路异物入侵实时监测方法

来源：机械与电子杂志2025年第12期北京时间：

作者：吴奇伟;薛海;王真;刘征宇;胡妍捷

单位：1. 国网江苏省电力有限公司,江苏 南京 210000 ;

摘要：针对输电线路异物入侵难以在线可靠检测与跟踪的问题,提出一种基于轻量化深度学习驱动的实时监测方法,以克服现有算法计算复杂度高、难以适应现场资源受限环境的不足。首先,提出一个基于类别聚合的 YOLOv7-seg 异物分割模型,用于从复杂背景中识别并裁剪出异物。其次,利用三元组损失函数训练 ConvNeXt 模型,使其能对剪切图像进行特征提取,并利用该模型和训练数据生成标准特征数据库。然后,提出一种新型的基于特征辅助的 IoU 多目标跟踪算法,确保其在小算力硬件上具备更强的场景适应能力。最后,提出异物实时跟踪监测的框架,并在边缘设备上部署进行实验验证。实验结果表明,所提方法可以部署到低成本的边缘设备上,具有良好的适应性和鲁棒性。

关键词：异物检测;输电线路; YOLOv7-seg ;边缘设备;ConvNeXt

基金资助：国家电网科技项目资助( J2024120 )