基于深度学习的电力缺陷检测研究综述.pdfVIP

ComputerScienceandApplication计算机科学与应用,2026,16(8),303-313

PublishedOnlineAugust2026inHans./journal/csa

/10.12677/csa.2026.168282

基于深度学习的电力缺陷检测研究综述

张朔华

北京印刷学院信息工程学院，北京

收稿日期：2026年7月18日；录用日期：2026年8月19日；发布日期：2026年8月27日

摘要

电力设备缺陷检测是输电线路、变电站和新能源设备智能运维中的重要任务。随着无人机、巡检机器人、

可见光相机、红外热像仪等设备的应用，电力巡检图像数据快速增长，推动了基于深度学习的自动检测

方法发展。本文围绕电力缺陷检测对象与任务特点，梳理两阶段目标检测、一阶段目标检测、Transformer

视觉模型和多模态融合技术在电力缺陷检测中的研究进展。现有研究表明，两阶段方法在定位精度和区

域分析方面具有优势，但推理速度和部署复杂度较高；YOLO等一阶段方法具有实时性和工程部署优势，

但在小目标、复杂背景和全局语义建模方面仍存在不足；Transformer能够增强长距离依赖和高层语义