如何构建多模态大模型实现数据机理融合的输电线路缺陷识别和推演
2025-08-04周国亮
华北电业 2025年6期
输电线路无人机巡检会产生海量可见光、红外、声纹等多模态数据,现有单模态数据分析模式难以满足融合分析需求,存在模型耦合性低、知识独立性过强等问题。因此,亟需研究基于人工智能的多模态大模型技术,融合机理分析、数据增强等手段,提升缺陷识别与推演能力,实现巡检效率与电网安全水平的跃升。

在电力行业加速向数字化、智能化转型的大背景下,让输电线路巡检变得更“聪明”,是保障电网安全高效运行的关键一环。作为公司第一批新型电力系统技术攻关团队之一,勇担重任,针对上述难题开展了系统性技术研究。
在大小模型协同提升缺陷识别效果方面,智能巡检技术攻关团队系统性地开展了多模态样本标注与数据增强工作。针对螺母安装不规范等形态复杂的稀缺缺陷样本,创新性地采用多模态AIGC大模型进行样本增广。采用了Copy-paste训练策略以及多尺度切片训练方法进行模型训练。检测流程中,首先利用先进的YOLOv10检测算法,在电力图片上检测杆塔和连接件区域,随后应用多模态大模型GLIP在该区域内精准检测螺母不规范等缺陷,有效保障了检测精度。团队探索的大小模型并行融合策略,提升了复杂场景和非标准形状目标的检测能力。
团队突破单一模态检测局限,研发了输电线路无人机光热声一体化智巡平台,通过融合可见光、红外与声纹的多模态数据,扩展了可识别缺陷种类并提升了诊断准确率。……
登录APP查看全文
