一种深度学习驱动的绝缘油中颗粒识别方法与系统

本发明涉及一种深度学习驱动的绝缘油中颗粒识别方法与系统，结合微流数字成像技术与深度学习的语义分割方法，构建统一的训练数据集，结合多任务分割模型，能够实现对绝缘油中颗粒的自动化识别与分类。通过微流数字成像模块获取变压器油中颗粒图像，并利用多任务分割模型对图像进行像素级分类和颗粒识别。模型中分割分支负责颗粒边界的提取，分类分支则对颗粒形态进行分析，输出颗粒的类别。模型采用了多尺度特征融合、注意力机制和深度残差网络结构，解决了颗粒形态多样性、尺寸变化和图像边界模糊等问题。本发明通过高精度的颗粒识别算法和系统，有效提升绝缘油中颗粒物检测的准确性与效率，减少人工干预，提升变压器的安全性和长期稳定性。