ИИ выявляет дефекты опор ЛЭП: точность повышена на 59% для безопасности сетей
We compile, generate and translate using Artificial Intelligence from the below given source. Macro Micro News is responsible for its editorial publication.
Надежность современных энергосистем напрямую зависит от состояния линий электропередачи. Ручной осмотр высоких стальных конструкций требует много сил и часто сопровождается человеческими ошибками. Новые технологии компьютерного зрения предлагают эффективное решение для поиска слабых мест в опорах высокого напряжения. Ученые создали продвинутую модель искусственного интеллекта. Она улучшает локализацию зон соединения верхней и нижней частей конструкции. Эти участки критически важны для технического обслуживания и оценки безопасности.
В основе инновации лежит модифицированная архитектура Real-Time DEtection TRansformer. Модель использует бэкбон C2f_SHSA_CGLU с механизмами внимания деформируемого энкодера. Также внедрен специализированный модуль SBA_fused, работающий на высоком разрешении уровня P2. Эти технические улучшения позволяют системе эффективнее обрабатывать сложные визуальные данные. Алгоритм улавливает мелкие объекты или удаленные детали, которые обычно пропускают стандартные детекторы. Для обучения использовали закрытый датасет из 818 изображений и более 12 500 ограничивающих рамок. Это обеспечило тренировку модели на реалистичных полевых условиях, а не на общих наборах данных.
Результаты валидации показывают значительный рост показателей по сравнению с базовыми моделями. Предложенная архитектура достигла средней точности (AP) 59,14%. Это превосходит стандартную модель RT-DETR-r18, показавшую AP на уровне 56,68%. Новое решение особенно хорошо справляется с обнаружением мелких объектов. Его AP для малых объектов составило 52,06% против 44,88% у базовой версии. Исследования подтвердили, что сочетание разрешения уровня P2 и компонента SBA_fused внесло основной вклад в этот успех. Средняя точность возросла до 58,33% при тестировании на нескольких случайных начальных условиях.
Несмотря на хорошие результаты на закрытом наборе данных, обобщение опыта на независимые сцены требует дальнейшей проверки. На публичном бенчмарке STN PLAD модель показала AP 37,53%. Этот показатель ниже, чем у базовой модели RT-DETR-r18, которая выдала 44,18%. Разница подчеркивает сложности переноса узкоспециализированных данных в широкие и разнообразные среды. Однако практическая ценность системы очевидна благодаря скорости обработки. При запуске на видеокарте NVIDIA GeForce RTX 3090 конвейер файлового ввода работает со скоростью около 14,94 кадра в секунду. Это делает технологию пригодной для задач инспекции в реальном времени или близко к нему.
Это достижение становится важным шагом к автоматизации обслуживания электросетей. Снижение зависимости от ручного визуального контроля и обеспечение точной автоматической локализации ключевых элементов конструкции обещают повысить безопасность и эффективность передачи электроэнергии по всему миру. По мере старения инфраструктуры по всей планете такие инструменты диагностики на базе ИИ будут становиться все более необходимыми для предотвращения аварий и обеспечения бесперебойных поставок энергии.