WCANet: Una Red de Detección Adaptativa Coordinada por Peso Eficiente y Ligera para la Inspección de Accesorios de Líneas de Transmisión con UAV
Autores: Chen, Jiawei; Shi, Pengfei; Xu, Mengyao; Xin, Yuanxue; Fan, Xinnan; Zhang, Jinbo
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
WCANet: Una Red de Detección Adaptativa Coordinada por Peso Eficiente y Ligera para la Inspección de Accesorios de Líneas de Transmisión con UAV
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Preciso
Gestión
Accesorios de transmisión de alta tensión
Modelos de red
Innovador Red Adaptativa Coordinada por Peso (WCANet)
Eficiencia
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
La detección precisa y la gestión oportuna de los accesorios de transmisión de alta tensión son cruciales para garantizar el funcionamiento seguro de la transmisión de energía. Los modelos de red existentes sufren de problemas como baja precisión en la detección de accesorios, elevada complejidad del modelo y un rango limitado de detección de categorías, especialmente en escenarios de inspección basados en UAV. Para aliviar los problemas mencionados, proponemos una innovadora Red Adaptativa Coordinada por Peso (WCANet) en este documento, con el objetivo de mejorar la eficiencia y precisión en la detección de accesorios de transmisión de alta tensión. La red está diseñada con un módulo WCA plug-and-play que puede identificar efectivamente objetivos pequeños y densos, retener información en cada canal y reducir la carga computacional, mientras incorpora Sim-AFPN con una estructura de conexión por salto en la red para agregar información de características capa por capa, mejorando la capacidad de capturar características clave y logrando una estructura de red ligera. La pérdida WIoU de la regresión de caja delimitadora (BBR) busca reducir la competitividad de las cajas ancla de alta calidad y enmascarar los efectos de los ejemplos de baja calidad, mejorando así la precisión del modelo. Los resultados experimentales muestran que WCANet ha logrado resultados notables en los conjuntos de datos HVTA, VisDrone2019 y VOC2007. En comparación con otros métodos, nuestra WCANet logra una predicción altamente precisa de los accesorios de transmisión de alta tensión con menos parámetros y tamaños de modelo, equilibrando de manera efectiva el rendimiento y la complejidad del modelo.
Descripción
La detección precisa y la gestión oportuna de los accesorios de transmisión de alta tensión son cruciales para garantizar el funcionamiento seguro de la transmisión de energía. Los modelos de red existentes sufren de problemas como baja precisión en la detección de accesorios, elevada complejidad del modelo y un rango limitado de detección de categorías, especialmente en escenarios de inspección basados en UAV. Para aliviar los problemas mencionados, proponemos una innovadora Red Adaptativa Coordinada por Peso (WCANet) en este documento, con el objetivo de mejorar la eficiencia y precisión en la detección de accesorios de transmisión de alta tensión. La red está diseñada con un módulo WCA plug-and-play que puede identificar efectivamente objetivos pequeños y densos, retener información en cada canal y reducir la carga computacional, mientras incorpora Sim-AFPN con una estructura de conexión por salto en la red para agregar información de características capa por capa, mejorando la capacidad de capturar características clave y logrando una estructura de red ligera. La pérdida WIoU de la regresión de caja delimitadora (BBR) busca reducir la competitividad de las cajas ancla de alta calidad y enmascarar los efectos de los ejemplos de baja calidad, mejorando así la precisión del modelo. Los resultados experimentales muestran que WCANet ha logrado resultados notables en los conjuntos de datos HVTA, VisDrone2019 y VOC2007. En comparación con otros métodos, nuestra WCANet logra una predicción altamente precisa de los accesorios de transmisión de alta tensión con menos parámetros y tamaños de modelo, equilibrando de manera efectiva el rendimiento y la complejidad del modelo.