Сотрудничество предприятия и вуза: участие нашей компании в исследовании облегчённого алгоритма RKM-YOLO для обнаружения неисправностей линий электропередачи

 Сотрудничество предприятия и вуза: участие нашей компании в исследовании облегчённого алгоритма RKM-YOLO для обнаружения неисправностей линий электропередачи 

2026-01-20

Использование беспилотных летательных аппаратов для инспекции линий электропередачи имеет ключевое значение для обеспечения надёжности энергосистем. Однако сложные условия эксплуатации нередко приводят к сбоям в позиционировании оборудования и задержкам в техническом обслуживании, что негативно сказывается на безопасности электроснабжения. С учётом указанных проблем в рамках данного исследования предложен облегчённый алгоритм, основанный на усовершенствованной версии YOLOv8n.

 

На первом этапе в модель был внедрён модуль «свёртки с вниманием к приёмному полю и каналам» (RFCAConv). Благодаря механизму оптимизации приёмного поля данный модуль позволяет эффективно извлекать как глобальные, так и локальные признаки, подавлять шумовые помехи и снижать деградацию изображений, вызванную преломлением и отражением света. На этой основе была разработана структура K3RFCA, обеспечивающая эффективную интеграцию признаков мелких и глубоких слоёв сети и тем самым повышающая способность модели к извлечению информативных характеристик.

 

На этапе слияния признаков была применена усовершенствованная архитектура KBiFPN, которая улучшает адаптацию к различным масштабам объектов и одновременно снижает вычислительные затраты. Кроме того, с целью решения проблемы малого размера объектов при обнаружении дефектов линий электропередачи предложен инновационный метод Multi-scale and Multi-dimensional Cooperative Attention (MMCA). Данный подход сочетает многомасштабные свёртки с пространственно-канальным механизмом внимания, что позволяет адаптивно извлекать локальный контекст и повышать качество представления ключевых областей изображения.

 

Результаты экспериментальных исследований показали, что алгоритм RKM-YOLO достигает средней точности обнаружения (mAP) на уровне 90,7 процента, при этом количество параметров модели сокращено на 18,27 процента. Показатели полноты (Recall) и mAP50 увеличились на 3,1 процента, а скорость обнаружения полностью соответствует требованиям, предъявляемым к инспекции линий электропередачи с использованием беспилотных летательных аппаратов.

Сотрудничество предприятия и вуза участие нашей компании в исследовании облегчённого алгоритма666
Последние новости
Главная
Продукция
О Нас
Контакты

Пожалуйста, оставьте нам сообщение