基于注意力机制的输电线路无人机巡检图像金具缺陷检测研究.docxVIP

PAGE2

基于注意力机制的输电线路无人机巡检图像金具缺陷检测研究

摘要

随着无人机在输电线路巡检中的广泛应用，产生了海量巡检图像，传统人工审图效率低且易漏检。金具销钉级小目标缺陷因尺度极小、背景复杂，成为巡检智能化的核心痛点。本课题以提升小目标缺陷检测精度为总体目标，设计了一套基于注意力机制增强的YOLO目标检测系统。

课题遵循工程递进思路展开。首先进行需求分析，明确销钉缺陷检测的功能与性能指标；其次在总体设计阶段，规划B/S架构与模块划分；在详细设计中，重点阐述通道与空间注意力模块（CBAM）融入YOLO网络的算法逻辑；实现阶段完成模型训练与系统搭建；最后通过系统测试验证方案有效性。

核心创新点在于将CBAM模块嵌入YOLO特征提取网络，通过通道注意力强化关键特征权重，利用空间注意力聚焦销钉局部区域，有效抑制背景干扰，显著降低了小目标销钉缺陷的漏检率，提升了输电线路巡检的智能化与自动化水平。

第一章绪论

1.1研究背景

输电线路是电力系统运行的大动脉，其安全稳定直接关系到国民经济与社会发展。线路金具作为连接与固定导线的关键部件，长期暴露于复杂自然环境中，极易出现销钉缺失、脱落等缺陷。销钉缺陷若不及时发现并处理，可能导致金具连接失效，进而引发断线倒塔等重大电力事故。

近年来，无人机巡检技术因其灵活、高效、不受地形限制的特点，已成为输电线路运维的主流方式。无人机搭载高清摄