基于深度学习的电力设备绝缘缺陷图像识别系统及其方法

本发明公开了基于深度学习的电力设备绝缘缺陷图像识别系统及其方法，涉及电力设备智能检测技术领域，包括：接收原始图像并划分为前景、中景与背景区域，提取电气拓扑结构数据并结合中景区域生成放电路径风险热力图，利用目标检测模型识别前景和中景中的候选缺陷区域，结合热力图提取缺陷区域的放电风险分布数据，分析背景图像特征估算图像噪声概率，通过预设风险置信度计算函数融合放电风险与噪声概率，计算缺陷风险置信度评分，并在图像中标注风险置信度评分高于阈值的候选缺陷区域；其有益效果为：通过放电路径风险热力图实现缺陷的空间化、量化风险判断，可以提升绝缘缺陷识别的准确性与鲁棒性，实现高风险缺陷的精准标注。