摘要
本发明涉及电力设备缺陷检测技术领域,尤其涉及一种基于多模态图像的电力设备缺陷检测方法及系统,通过RGB图像与热红外图像的协同处理,解决了传统缺陷检测中信息不对称的问题;RGB图像提供设备外观的表面信息,热红外图像则反映设备的温度分布,二者通过图像融合算法有效结合,提升了检测精度与全面性,避免了单一图像模式的盲区;RGB图像的纹理和边缘特征对热红外图像的优化,使得热点定位更加精确,减少了误报和漏报;通过高效的图像处理算法,能够实时处理大量图像数据,显著提升检测效率,缩短检测时间,并有效支持设备的在线监测与实时预警,从而降低设备维护成本并提高其运行可靠性。
技术关键词
图像特征提取
多模态特征融合
训练检测模型
电力设备缺陷
GPU服务器
解码器
模型训练模块
多级特征
特征提取模块
图像融合算法
上采样
通道注意力机制
解码模块
缩短检测时间
图像处理算法
语义
系统为您推荐了相关专利信息
多尺度特征
图像数据预处理
空洞
语义特征
图像特征提取
字典
非线性
正则化参数
峰值信噪比
稀疏特征提取
策略生成系统
张量分解模型
风险
融合特征
多模态特征融合
二维卷积神经网络
图像特征提取
特征提取网络
雷达
特征金字塔网络
桥梁支座
智能诊断方法
振动特征
微型振动传感器
多模态特征融合