基于深度学习的通信无人机光缆缺陷智能识别

董 兴建, 周 怡君, 杨 汉宸
国网徐州供电分公司信息通信分公司

摘要


基于深度学习的通信无人机光缆缺陷智能识别系统，该系统集成了无人机数据采集平台、图像预处理流程、
改进的YOLOv5深度学习模型以及边缘计算部署方案。通过构建包含超2万张图像的标准数据集，并采用以深度可分离
卷积和特征金字塔网络（FPN）为核心的模型架构，实现了对光缆外皮破损、悬挂异物等7类典型缺陷的端到端自动识
别与定位。实际应用表明，该系统在复杂野外环境下对光缆缺陷的综合识别准确率达到95.3%，单图检测速度优于1.5秒，
将巡检效率提升了12.5倍，有效实现了光缆巡检的智能化与自动化，为通信基础设施的智能运维提供了可靠的技术支撑。

关键词


光缆缺陷识别；无人机巡检；深度学习；YOLO模型

全文:

PDF


参考


[1]王浩.无人机在架空输电线路检修中的运用研究

[J].家电维修，2025，（11）：107-109.

[2]胡建松，徐生根，韩凤雷，等.基于无人机的起

重设备缺陷智能巡检方法研究[J].山西建筑，2025，51

（22）：175-182.DOI：10.

[3]杨爱银，黄伟，张坤，等.基于无人机巡检的输

配电线路状态评估方法探讨[J].信息记录材料，2025，26

（11）：110-112.DOI：10.

[4]殷新锋，陈涛，黄胄，等.基于无人机三维重构

技术的桥梁高墩施工外观质量检测方法研究[J].振动与冲

击，2025，44（20）：141-151.DOI：10.

[5]于洋.在桥梁检测中的无人机检测系统应用浅析

[J].工程建设与设计，2025，（20）：104-106.DOI：10.


Refbacks

  • 当前没有refback。