小样本目标检测模型在电力行业的应用与发展趋势
高林1
郜世佳1
焦思航1
刘华国2
1.湖北民族大学 智能科学与工程学院,湖北 恩施 4450002.桂林航天工业学院 机电工程学院,广西 桂林 541004
摘要：为解决电力行业中复杂缺陷样本稀缺、故障类型多样导致传统目标检测模型泛化能力不足的问题,系统研究小样本目标检测(few-shot object detection,FSOD)模型在电力行业发电、输电、变电、配电、用电 5 个环节的应用现状并分析发展趋势.研究表明,FSOD模型通过元学习、迁移学习、数据增强、度量学习等策略,在缺陷检测、故障检测、设备监控、安全检测等方面表现优异,但在复杂背景下的模型结构与感知能力、泛化能力与数据融合、样本依赖与系统工程等方面仍面临挑战,需进一步优化.FSOD模型可在模型结构改进、多模态数据融合、领域知识引入与系统部署优化方面进一步发展.该研究为FSOD模型在电力行业的深化应用提供重要参考.
关键词：小样本目标检测深度学习电力行业检测精度
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(12464004)国家自然科学基金(61562025)湖北民族大学校内科研项目(XN2317)广西高校中青年教师科研基础能力提升项目(2024KY0816)
论文发表日期：2025-09-20
在线出版日期：2025-09-24（本平台首次上网日期，不代表文献的发表时间）
页数：6( 351-356 )
英文信息