一种基于深度学习的输电线路与间隔棒的图像分割方法

一种基于深度学习的输电线路与间隔棒的图像分割方法，通过改进分割算法SegFormer网络模型，对采集和预处理的输电线路图像进行特征提取、特征增强及特征融合并结合优惠券和设定的学习率，对模型的参数进行跟新优惠，最终通过模型对处理后的图像进行分割；避免了复杂的计算模块，通过聚合来自不同层次的信息，结合局部注意力和全局注意力，生成强大的表示，提升细长目标的分割精度，最终为弧垂测量提供像素级几何信息支撑，解决了现有技术在复杂背景下对细长导线和间隔棒分割精度不足，以及对光照变化敏感等问题，提高了输电线路和间隔棒巡检的效率和准确，为后续弧垂计算提供可靠的像素级几何信息，根据不同的巡检任务和图像数据进行调整和优化，具有良好的可扩展性。