في السنوات الأخيرة، تم تطبيق خوارزميات الكشف عن الأهداف على نطاق واسع في كشف عيوب الصور التي تلتقطها الطائرات بدون طيار لخطوط نقل الطاقة. ومع ذلك، فإن الطرق الحالية تفتقر إلى القدرة على تمثيل العيوب غير المنتظمة أثناء عملية استخراج الميزات، مما يؤدي إلى تدهور تفاصيل العيوب الصغيرة أثناء الدمج عبر المستويات بسبب اختلاف المقاييس الكبير، كما أن التداخل مع الخلفية المعقدة يؤدي بسهولة إلى خلط استجابة العيوب مع استجابة الخلفية. لحل هذه المشاكل، تم اقتراح خوارزمية كشف خفيفة الوزن، CSF-DEIM، تعتمد على آلية الاستشعار الهندسي وآلية التجميع والتوزيع في النطاقين المكاني والترددي. يتم تحسين قدرة التكيف لتمثيل العيوب غير المنتظمة من خلال بناء وحدة استشعار هندسية خفيفة لإعادة بناء الشبكة الرئيسية، جنبًا إلى جنب مع أخذ عينات هندسية ديناميكية وتقنيات توسيع خطية منخفضة التكلفة. تم تصميم شبكة تجمع وتنشر بشكل مشترك بين النطاقين المكاني والترددي بناءً على آلية التجميع والتوزيع، وتم دمجها مع تحويل الموجة واهتمام قنوات متعدد المستويات تدريجي لتحسين التفاعل بين المعلومات عبر المستويات وتقليل فقدان التفاصيل الصغيرة للعيوب. في وحدة التفاعل بين الميزات داخل المقياس، تم إدخال شبكة تغذية أمامية تمييزية فعالة لتعزيز تحديد العيوب في الخلفيات المعقدة من خلال تعزيز محلي في النطاق المكاني وترشيح تكيفي في النطاق الترددي. أثبتت النتائج التجريبية أن الدقة المتوسطة النموذجية mAP@0.5 لهذا النموذج بلغت 92.6%، مما يمثل تحسينًا بمقدار 4.3 نقطة مئوية مقارنة بالنموذج الأساسي، مع تقليل عدد المعلمات إلى 3.37 مليون. وأظهرت تجارب إضافية على مجموعة بيانات عامة قدرة النموذج على التكيف والتعميم تحت توزيعات بيانات مختلفة. وعلاوة على ذلك، حقق معدل الإطارات الفعلي على منصة NVIDIA Jetson Xavier NX 42.3 إطارًا في الثانية، مما يضمن الكشف الدقيق والخفيف في الوقت الحقيقي لتطبيقات فحص خطوط نقل الطاقة.

فحص خطوط النقل; كشف العيوب; DEIM; الاستشعار الهندسي; التعاون المكاني والترددي; آلية التجميع والتوزيع