一种面向电力无人机巡检的轻量化绝缘子缺陷检测方法、系统及介质

本发明涉及绝缘子表面缺陷检测领域，具体涉及一种面向电力无人机巡检的轻量化绝缘子缺陷检测方法及系统。

背景技术：

1、绝缘子作为输电线路中核心的绝缘与支撑构件，长期暴露在露天野外环境中，承受着机械应力、强电场以及严苛气象条件的交织作用。随着服役时间的增长，绝缘子极易发生自爆、破损、闪络或表面污闪等物理缺陷。这些缺陷若未能被及时发现并处理，将直接导致输电线路接地短路或大面积停电事故，对智能电网的安全稳定运行构成严重威胁。

2、近年来，利用无人机搭载高清巡检吊舱代替传统人工登塔巡检，已成为现代电力运维的主流趋势。无人机巡检能够获取海量的输电线路高分辨率图像，但这也对后端或边缘端的缺陷自动识别算法提出了极高的要求。

3、基于深度学习的传统目标检测算法虽然在通用数据集上表现出较好的检测精度，但在直接移植到电力无人机巡检场景时，面临以下亟待解决的技术瓶颈：

4、微小缺陷高频特征在空间域严重流失：传统网络采用连续步长卷积或池化下采样进行空间域粗暴压缩，导致在广阔航拍视野中仅占数个像素的绝缘子微小缺陷高频边缘特征在深层网络中永久丢失，造成严重漏检。

5、边缘计算算力冗余与地毯式搜索的矛盾：无人机机载边缘计算设备算力受限，而传统卷积的“地毯式搜索”范式导致在天空、山林等无效背景区域产生海量算力冗余，无法满足高帧率实时检测需求。

6、固定感受野与非规则异形目标的几何失配：绝缘子本体及缺陷在航拍视角下多呈不规则的异形几何形态，传统卷积固定的方形采样网格感受野僵化，无法贴合缺陷物理边缘，极易引入背景噪声导致误检，且难以精准定位。

7、因此，如何在严格限制模型计算量的前提下，有效滤除复杂背景噪声，并精准捕获不规则异形缺陷特征，实现轻量化与高精度的极致平衡，是当前电力智能巡检领域亟待解决的技术瓶颈。

技术实现思路

1、为了解决现有技术中复杂背景干扰严重、非规则异形缺陷难以精准感知以及传统深度学习模型参数量大、无法在边缘端实现高帧率实时巡检等问题。本发明提供了一种面向电力无人机巡检的轻量化绝缘子缺陷检测方法，该方法通过在空间域对高低频特征进行隐式解耦提取，利用状态空间稀疏扫描机制和全局记忆门控在主干网络主动滤除复杂背景噪声，并结合几何感知形变单元贴合异形缺陷，不仅显著提升了对绝缘子微小及不规则缺陷的检测精度，而且大幅压缩了算法模型的计算复杂度，使其便于部署在无人机等边缘设备。

2、包括以下步骤：

3、步骤1：利用电力无人机对输电线路进行巡检，获取包含绝缘子的巡检图像，对其进行预处理与尺度归一化后，并构建绝缘子缺陷数据集；按照比例将数据集划分为训练集、验证集和测试集；

4、步骤2：以yolov11n为基础构建轻量化绝缘子缺陷检测网络；所述轻量化绝缘子缺陷检测网络包括主干网络、颈部网络及检测头，其中所述主干网络的最浅层下采样阶段部署有隐式空频解耦（latent frequency decoupling，简称lfd）单元，所述主干网络的浅层和中层部署有状态空间选择增强（state space selection augmentation，简称ssa）单元，所述颈部网络的尺度转换下采样节点部署有几何感知形变（geometry-aware modulation，简称gam）单元；基于所述训练集对所述轻量化绝缘子缺陷检测网络进行迭代训练，并利用所述验证集和所述测试集进行性能验证，得到训练完成的轻量化绝缘子缺陷检测网络；基于所述训练集对所述轻量化绝缘子缺陷检测网络进行迭代训练，并利用所述验证集和所述测试集对网络模型进行缺陷检测识别与性能验证，获得训练完成的轻量化绝缘子缺陷检测网络；

5、步骤3：获取待检测的输电线路绝缘子巡检图像，将其输入至训练完成的轻量化绝缘子缺陷检测网络，得到初始图像特征；在主干网络的最浅层下采样阶段，利用隐式空频解耦（latent frequency decoupling，简称lfd）单元对所述初始图像特征进行处理，提取绝缘子的低频结构特征与高频破损边缘特征，得到解耦特征图；

6、将所述解耦特征图传递至主干网络浅层和中层的状态空间选择增强（statespace selection augmentation，简称ssa）单元，滤除图像中的复杂背景噪声，得到去噪特征图；

7、将所述去噪特征图输入至颈部网络尺度转换下采样节点的几何感知形变（geometry-aware modulation，简称gam）单元，进行缺陷边缘的几何对齐与特征融合，输出多尺度融合特征图；

8、将所述多尺度融合特征图输入至所述轻量化绝缘子缺陷检测网络的检测头中进行目标解码，输出绝缘子缺陷目标的位置边界框及类别预测结果，从而完成输电线路的轻量化绝缘子缺陷检测。

9、优选地，所述步骤1中标签划分过程中，具体根据电力巡检的实际缺陷类型将绝缘子缺陷数据集标签划分为：绝缘子破损、绝缘子微小裂纹、绝缘子缺边、绝缘子自爆、绝缘子闪络以及绝缘子表面污闪。

10、优选地，所述步骤1中训练集，验证集，测试集的划分比例为8:1:1。

11、优选地，所述步骤3中，lfd单元的具体处理步骤如下：

12、a1：单元首先在空间域通过低通滤波算子对输入初始图像特征进行平滑处理，提取包含大面宏观轮廓的低频分量；

13、a2：利用输入初始图像特征与低频分量进行残差相减运算，模拟高通滤波算子滤除背景平滑信息，生成包含缺陷边缘及纹理细节的高频分量；

14、a3：分别采用轻量化的逐通道分组卷积对低频分量和高频分量进行独立的特征提取，并引入可学习的频段标定权重对提取到的低频结构特征与高频破损边缘特征的重要度进行动态重标定，得到重标定后的低频结构特征与高频破损边缘特征其计算公式如下：

15、;

16、;

17、;

18、;

19、其中表示二维平均池化操作，和分别为可学习的低频权重和高频权重参数，为深度可分离分组卷积操作；

20、a4：将重标定后的低频结构特征与高频破损边缘特征在通道维度上进行直接拼接，并通过逐点卷积层进行通道融合与重构，输出解耦特征图：

21、;

22、;

23、其中，为通道拼接操作，silu为激活函数，为批归一化层。

24、优选地，所述步骤3中，ssa单元的具体处理步骤如下：

25、b1：将上游单元输出的解耦特征图作为当前状态空间选择增强单元的输入特征图，所述输入特征图首先通过显式显著性评分网络生成空间特征响应图，并将其沿空间维度展平为一维序列得分，其计算公式如下：

26、;

27、;

28、其中表示展平为一维序列；

29、b2：设定稀疏筛选比例=0.3，计算需要保留的高价值token数量，利用连续化top-k松弛选择策略获取响应得分前个最大值的空间索引位置，并构建硬阈值掩码；

30、b3：为了防止硬阈值掩码产生的离散掩码导致反向传播时梯度不可微及梯度断裂问题，引入直通估计器（straight-through estimator, ste）对掩码进行软性梯度路由重构，得到具有软性梯度的稀疏状态掩码：

31、;

32、其中表示截断反向传播梯度操作；

33、b4：利用生成的稀疏状态掩码与输入特征图逐元素相乘，将非top-k的大面积复杂背景噪声序列（如草地、树林）强行置零，得到掩蔽特征；将所述掩蔽特征送入状态转移卷积，通过逐通道分组卷积算子进行局部特征提取，得到更新后的局部状态特征；同时，利用标准逐点卷积对输入特征图进行全局语义映射以获取全局上下文特征：将所述全局上下文特征与所述局部状态特征进行矩阵相加，并通过卷积层完成融合，从而生成用于表征新状态的初步筛选特征：最后，引入可学习的全局记忆门控残差参数并结合空间特征响应图，构建全局记忆门控残差补偿机制，自适应调配被自适应学习所述初步筛选特征与所述解耦特征图之间的融合权重，输出背景抑制后的去噪特征图：

34、;

35、;

36、;

37、;

38、;

39、其中表示逐通道分组卷积，可表示为学习的记忆门控标量参数。

40、优选地，所述步骤3中，gam单元的具体处理步骤如下：

41、c1：针对绝缘子在航拍视角下呈现的细长串状物理结构，所述gam单元接收上游传来的去噪特征图作为当前几何感知形变单元的输入特征图，在所述gam单元内部构建轻量化参数预测分支，利用基于深度可分离卷积dwconv的级联算子对所述去噪特征图进行自适应特征映射，并行生成可变形卷积所需的二维空间偏移量与采样点权重掩码：

42、;

43、;

44、其中，和分别表示用于预测空间偏置量张量和采样权重张量的轻量化深度可分离卷积算子。

45、c2：采用正交的方向感知池化（direction-aware pooling）解耦机制，对所述去噪特征图提取绝缘子串状结构的方向信息，沿水平和垂直正交方向解耦捕捉长程依赖，得到轴向依赖特征；随后，通过两层标准卷积与非线性激活函数对所述轴向依赖特征进行通道维度映射与归一化，根据所述方向信息生成空间注意力权重：

46、;

47、;

48、其中和分别表示沿高度方向和宽度方向的正交长条形自适应平均池化算子，它们共同构成了所述的方向感知池化机制；

49、c3：丢弃传统的固定方形卷积采样窗口，结合所述空间偏移量与所述采样点权重掩码，利用可变形卷积算子对所述去噪特征图完成非规则、异形缺陷区域（如细长裂纹、散点污闪）的自适应采样与边缘重构，输出形变调制特征。同时通过几何正则化约束限制所述空间偏移量的变化范围以防止其发散，最终结合空间注意力权重完成融合，输出实现异形缺陷边缘几何对齐与特征包裹的多尺度融合特征图：

50、;

51、

52、;

53、其中为标准可变形卷积操作。其括号中的分号（;）前代表被卷积操作的唯一主体特征，分号后代表协助该主体执行边缘形变自适应采样与背景噪声剔除的辅助导向参数。

54、优选地，本发明还提供了一种面向电力无人机巡检场景的轻量化绝缘子缺陷检测系统，其在物理部署上包括机载边缘计算端与地面运维控制主站；具体包括数据获取模块、预处理模块、缺陷检测核心模块、缺陷检测标记与定位输出模块，具体的

55、在所述机载边缘计算端，通过数据获取模块获取包含绝缘子的巡检图像；随后，预处理模块对所述巡检图像执行预处理与尺度归一化及加速缩放，生成待检测的输电线路绝缘子巡检图像；接着，待检测的输电线路绝缘子巡检图像进入缺陷检测核心模块，该模块内置训练完成的轻量化绝缘子缺陷检测网络，利用内嵌的lfd单元、ssa单元及gam单元协同完成特征提取与特征融合，执行空间高低频分离、复杂背景噪声置零阻断与分支参数压缩，大幅消减机载端侧的浮点运算开销，输出多尺度融合特征图并实现缺陷的实时高帧率搜索；级联于后端的缺陷检测标记与定位输出模块接收所述多尺度融合特征图并进行目标解码，输出绝缘子缺陷目标的位置边界框及类别置信度，在本地图像上渲染高亮缺陷标记，并提取目标像素中心坐标；同时结合无人机当前的卫星三维空间地理坐标、机载云台偏航角及俯仰角数据，通过几何投影算法在线反算出缺陷绝缘子的真实世界绝对地理坐标；最终，通过数据通信与地面运维控制主站模块，将包含缺陷标记图像、缺陷置信度、类别及绝对地理坐标的标准报文通过无线网络实时回传至地面运维控制主站，触发告警并自动生成隐患处置工单，实现自主巡检到地面处置的闭环协同。