基于主动感知驱动的多模态大语言模型的智能电网设计审阅
计算机视觉与模式识别
2026-01-22 v1 人机交互
机器学习
摘要
智能电网工程设计图的智能审阅对于电力系统安全至关重要。然而，当前自动化系统在处理超高分辨率图纸时面临计算需求高、信息丢失以及缺乏对设计错误进行整体语义理解的问题。本文提出了一种新颖的三阶段框架，用于智能电网图纸审阅，该框架基于经过预训练的多模态大语言模型（MLLM），通过高级提示工程实现。模仿人类专家审阅过程，第一阶段利用MLLM进行全局语义理解，智能地从低分辨率概览中提出特定领域的语义区域。第二阶段 then 在这些提议区域内进行高分辨率、细粒度识别，获取带关联置信度分数的详细信息。在最后一阶段，综合决策模块整合这些具有置信度的检测结果，以准确诊断设计错误并提供可靠性评估。针对真实世界电网图纸的初步结果表明，我们的方法显著提升了MLLM捕获宏观语义信息和定位设计错误的能力，显示出改进的缺陷发现准确率和更可靠的审阅判断。该研究为智能和可靠的电网图纸审阅提供了一种新颖的、基于提示的范式。
引用
@article{arxiv.2601.14261,
title = {Intelligent Power Grid Design Review via Active Perception-Enabled Multimodal Large Language Models},
author = {Taoliang Tan and Chengwei Ma and Zhen Tian and Zhao Lin and Dongdong Li and Si Shi},
journal= {arXiv preprint arXiv:2601.14261},
year = {2026}
}