机器学习提升电网巡检效率
计算机视觉与模式识别
2025-02-19 v1
摘要
随着全球能源需求的持续增长，确保电网的安全与可靠性至关重要。传统巡检方法，如人工观察或直升机调查，资源消耗大且难以扩大规模。本文探讨了利用 3D 计算机视觉自动化电网巡检的方法，采用 TS40K 数据集——一个高密度标注的 3D LiDAR 点云集合。通过聚焦 3D 语义分割，我们解决类别不平衡和噪声数据等挑战，以提高对关键电网组件（如电力线和塔桩）的检测能力。基准结果表明，采用基于 transformer 的模型可显著提升性能，电力线检测的 IoU 分数达到 95.53%。我们的发现表明，将机器学习集成到电网维护工作流程中具有潜力，能够提高效率并实现主动风险管理。
引用
@article{arxiv.2502.13037,
title = {Enhancing Power Grid Inspections with Machine Learning},
author = {Diogo Lavado and Ricardo Santos and Andre Coelho and Joao Santos and Alessandra Micheletti and Claudia Soares},
journal= {arXiv preprint arXiv:2502.13037},
year = {2025}
}