基于Transformer模型的电网图像数据智能标注与识别技术研究

林嘉鑫; 裴求根; 钱正浩; 胡波; 严宇平

doi:10.20033/j.1003-7241.(2025)12-0098-04

自动化技术与应用 ›› 2025, Vol. 44 ›› Issue (12) : 98 -100+176. DOI: 10.20033/j.1003-7241.(2025)12-0098-04

基于Transformer模型的电网图像数据智能标注与识别技术研究

林嘉鑫, 裴求根, 钱正浩, 胡波, 严宇平

作者信息 +

Author information +

文章历史 +

PDF

摘要

电力巡检工作作为电网安全运行的重要环节，如何提高巡检效率是当前亟待解决的问题。因此，研究提出了一种电网绝缘子图像数据智能标注与识别方法。利用深度强化学习进行图像数据的标注，并在Transformer基础上构建了一种图像识别模型。验证显示，研究提出的方法标注错误率比其他方法平均降低了95.53%。模型的全类平均精度比其他方法平均增加了16.62%,准确率平均提高了22.03%。结果表明，研究提出的方法能够提高电网绝缘子缺陷识别精度，提高电力巡检效率，在电网电力巡检工作中具有积极的应用价值。