一种基于深度学习的电力设备缺陷检测系统及方法

本发明涉及电力设备缺陷检测技术领域，尤指一种基于深度学习的电力设备缺陷检测系统及方法通过构建电网区域的三维模型，并基于历史缺陷数据，采用神经网络模型在三维模型中标记巡检对象的重要性评分，完成设备故障风险等级的量化评估，提升巡检资源与缺陷风险分布的匹配程度。结合电网三维模型及重要性评分，利用强化学习模型构建无人机巡检路线规划策略，使巡检路径在规划阶段综合考虑电力设备缺陷风险与空间因素，优化任务分配，克服静态路径无法适应设备变化的问题。巡检执行过程中，根据规划策略调度无人机，并同步获取图像流进行缺陷检测，实现巡检动作与检测过程的联动，提高对潜在缺陷的响应效率与检测质量。