结合知识图谱和小目标改进的RCNN电力杆塔部件识别方法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（4）299

⦾工程与应用⦾

结合知识图谱和小目标改进的RCNN电力杆塔部件识别方法

张锴，贾涛+

武汉大学遥感信息工程学院，武汉430070

+通信作者E-mail：tao.jia@

摘要：电力巡检是输电线路建设中的重要一环，利用无人机对电力杆塔进行巡检，并使用深度学习辅助技术人员

进行智能决策，能够减少漏检率，提高巡检效率。已有方法大多无法做到对无人机影像中电力部件进行多尺度识

别，或无法适应电力杆塔影像复杂场景。针对以上问题，提出了一种结合知识图谱和小目标改进的RCNN电力杆塔

部件识别方法。在Reasoning-RCNN模型基础上引入了空间知识图谱模块，对图像目标框间的空间关系建模；针对

小目标问题构建了ROI上下文特征融合模块，并引入基于图像切分的小目标识别策略。对电力杆塔影像数据进行

人工标注，并在此数据集上对模型进行实验评估。实验结果表明，所提算法实现了对复杂场景下的电力杆塔部件的

多尺度识别，且精度超越了其他基准模型。

关键词：无人机巡检；深度学习；电力杆塔部件识别；知识图谱；小目标检测

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2309-0381

RCNNMethodofTransmissionTowerComponentDetectionBasedonKnowledgeGraphand

SmallObjectImprovement

ZHANGKai,JIATao+

SchoolofRemoteSensingandInformationEngineering,WuhanUniversity,Wuhan430070,China

Abstract：Electricpowerinspectionisanimportantpartoftransmissionlineconstruction.Usingdronestoinspecttrans-

missiontowersandusingdeeplearningtechnologytoassisttechniciansinmakingintelligentdecisions,canreducefalse

detectionrateandimprovedetectionefficiency.Existingstudiesaremostlyincapableoffullyrecognizingtowercompo-

nentsfromallperspectivesandscales,oradaptingtothecomplexscenesoftransmissiontowerimages.Tosolvethese

issues,anRCNNmethodoftransmissiontowercomponentdetectionbasedonknowledgegraphandsmallobjectimprove-

mentisproposed.Firstly,aspatialknowledgegraphmoduleisconstructedbasedontheReasoning-RCNNmodeltomodel

thespatialrelationshipsamongthedetectedboxesintheimage.Then,anROIcontextfeaturefusionmoduleisconstructed

toaddressthesmallobjectproblem,andasmallobjectdetectionstrategybasedonimagepartitioningisintroduced.The

imagedataoftransmissiontoweraremanuallyannotatedandtheproposedmethodisevaluatedonthisdataset.Theexperi-

mentalresultsshow