电力 substation 组件映射的对象检测模型比较
计算机视觉与模式识别
2025-12-30 v1
摘要
电力 substation 是电力网的重要组成部分。这些 substation 资产(如变压器)容易受到多种灾害的破坏,包括飓风、洪水、地震和几何场感应电流 (GIC)。由于电力网被视为关键国家基础设施,一旦发生故障将对经济和公共安全产生重大影响。为帮助预防和缓解这些故障,识别关键 substation 组件以量化其脆弱性至关重要。不幸的是,传统的手工映射 substation 基础设施工作量大且费时。因此,利用计算机视觉模型进行自动化处理更为可取,这既便于又高效。本研究论文中,我们在美国 substation 图像上训练并比较了3个模型的输出(YOLOv8、YOLOv11、RF-DETR)。对每个模型进行检测精度、精确率和效率评估。我们呈现每个模型的主要优势和局限性,确定哪一个提供可靠且大规模的 substation 组件映射。此外,我们利用这些模型有效地映射了美国各种 substation 组件,展示了机器学习在 substation 映射中的应用案例。
引用
@article{arxiv.2512.22454,
title = {Comparing Object Detection Models for Electrical Substation Component Mapping},
author = {Haley Mody and Namish Bansal and Dennies Kiprono Bor and Edward J. Oughton},
journal= {arXiv preprint arXiv:2512.22454},
year = {2025}
}
备注
26 pages, 13 figures