原始名称记载: 国网湖北省电力有限公司黄冈供电公司; 湖北工业大学

本申请涉及一种多路分支自适应的电力设施目标定位与识别方法、系统及介质，方法包括：获取电力设施目标的图像作为数据集，标注电力设施目标分类；构建多路分支自适应的电力设施目标定位与识别方法模型；使用特定数据集对电力设施目标定位与识别方法模型进行训练；将待检测数据投入已训练完毕的电力设施目标定位与识别方法模型，通过机器学习算法提取出相关数据单元的特征数据；电力设施目标定位与识别方法模型输出对电力设施目标检测和识别的结果，本申请应用到电力设施目标检测以及缺陷识别，能够以较少时间和成本实现电力设施目标定位与识别，实现自动化与高效化，显著提升检测精度与效率。

本申请涉及一种配电线路无人机巡检图像融合方法、系统及介质，方法包括使用无人机搭载的高分辨率可见光相机和红外热成像相机，对配电线路进行空中巡检，获取关键部分的图像数据；对采集的多模态图像进行去噪处理，减少环境因素和传感器噪声引起的干扰，然后通过直方图均衡化方法增强图像对比度，提高图像细节的清晰度，得到去噪和增强后的中间预处理数据；构建编码器和解码器组成的配电线路无人机图像融合模型，将去噪和增强后的不同模态的源图像进行图像融合使其充分利用不同模态的数据优势，生成更加丰富的结果图像，本申请能够提供更全面的线路状态信息，实现更精确的状态评估和故障诊断，提高巡检效率和准确性，降低成本和提高安全性。

本申请涉及一种配电线路无人机多模图像融合与增强方法、系统及介质，方法包括采用无人机拍摄的影像作为数据集，获取数据集中各个场景对应的地物影像，并将数据集划分为训练集、验证集和测试集；多尺度双通道特征提取，采用多尺度双通道编码器，分别对红外与可见光图像进行特征提取；组注意力变换器建模本地、区域和全局特征的依赖关系；稠密融合模块对不同尺度的特征组进行对齐与综合，逐步融合各层特征，输出最终融合图像；融合优化，采用联合损失函数对融合图像进行优化，平衡对比度与细节信息的保留。本申请用于提高红外与可见光图像的融合质量，适用于无人机巡检、目标检测及环境感知等领域。