基于上下文增强与多目标语义感知的电力缺陷检测算法

胡欣,阎希玥,常娅姝,程鸿亮,肖剑,罗诗伟,马亮

Context-enhanced multi-target semantic perception algorithm for power defect detection

Xin HU,Xiyue YAN,Yashu CHANG,Hongliang CHENG,Jian XIAO,Shiwei LUO,Liang MA

表 1 Electric_Data数据集缺陷类型及样本分布

Tab.1 Defect types and sample distribution of Electric_Data

属性类别 样本类别 具体缺陷类型 Nraw Nfinal 电力设备缺陷 正样本 表计破损 236 471 正样本 表盘模糊遮挡 330 495 正样本 表盘外壳生锈 244 488 正样本 绝缘子龟裂或断裂 50 482 正样本 绝缘子破损 161 482 正样本 绝缘子污闪 40 495 正样本 绝缘子自爆 221 581 正样本 硅胶变色 500 500 正样本 硅胶体破损 85 505 正样本 箱门闭合异常 178 524 正样本 盖板破损或缺失 268 536 正样本 鸟巢 503 503 正样本 挂空悬浮物 432 512 正样本 油污 541 541 非电力设备缺陷 正样本 未穿工装 96 480 正样本 未戴安全帽 73 493 正样本 吸烟 120 514 正常状态 负样本 表计正常 372 1116 负样本 绝缘子正常 551 2204 负样本 呼吸器正常 462 924 负样本 箱门和盖板正常 357 714 负样本 变电站环境正常 455 1365 负样本 人员行为正常 307 921