计算机应用

作者：黄萍, 李清, 邱海枫, 王程斯, 黄安子, 樊龙

单位：1.深圳供电局有限公司，广东 深圳 518001；2.南京大学 计算机学院，南京 210023

关键词：输电线路缺陷检测,分层可分离视觉Transformer,双向递归特征金字塔网络,双重注意力,可变形卷积

作为电力系统的核心输配电载体，高压输电线路的运行状态直接关系到电网安全。针对传统人工巡检效率低和漏检率高的问题，提出一种基于两阶段多模态注意力机制与动态特征解耦的轻量化输电线路缺陷检测方法。在第一阶段，基于改进型轻量检测网络Light-YOLO实现关键组件的精准定位；在第二阶段，构建基于双分支对比学习的缺陷检测网络Dual-DifferNet实现缺陷的精确分类与识别。在Light-YOLO的设计中，引入分层可分离视觉Transformer（SepViT）与深度可变形卷积网络（DCN）的混合结构，并通过交替堆叠局部感知卷积层与全局注意力Transformer块，在降低计算量的同时，增强模型对长程依赖关系的建模能力，从而有效提升绝缘子和导线接头等小目标的检测精度。针对缺陷分类任务，Dual-DifferNet采用双分支结构在每个分支中嵌入空间-通道双重注意力（SCDA）模块，利用交叉注意力机制促进双模态特征交互，从而提高缺陷识别的鲁棒性与泛化能力。实验结果表明，所提方法的平均精度均值（mAP@50）达到了96.9%，较基准模型YOLOv8提升16.1个百分点，同时浮点运算量降低了56.73%，充分验证了该方法在保证高精度检测的同时，具备优异的计算效率与部署潜力。

来源：2026年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第3期