基于多尺度特征融合的电力视觉输配电线路隐患目标检测

摘要

针对电力输配电线路隐患目标检测中存在的目标尺度差异大、背景复杂及小目标漏检率高的问题，本研究提出了一种基于多尺度特征融合检测器（MFE-Det）的深度学习目标检测技术，以动态融合多尺度特征，并采用焦点损失函数（Focal Loss）与完全交并比损失函数（CIoU Loss）结合的优化策略进行模型训练。实验结果表明：在独立测试集上，该技术的平均精度（AP）@0.5:0.95达63.5%，小目标检测精度APs为41.2%，推理速度达58帧/s，综合性能优于主流检测模型。该技术有效提升了多尺度隐患目标的检测精度与鲁棒性，特别是改善了小目标检测能力，为电力线路智能巡检提供了高效的解决方案。

关键词

多尺度特征融合 / 电力输配电线路 / 隐患检测 / 目标检测