多模态数据驱动的变电站设备缺陷检测与风险分级
【摘 要】文章针对变电站设备缺陷检测与风险分级问题，采用多模态数据驱动方法，结合压电传感器、红外热像仪等设备获取振动、温度、电气以及图像数据，使用两级融合架构，基于特征级注意力加权和决策级DS证据理论改进YOLOv8，构建缺陷检测模型。经实验表明，该方法准确率可达94.2%，远高于单一模态；使用缺陷特征、设备属性和环境因素确定三级风险指标体系，并用加权求和模型进行风险分级，将设备分为低、中、高、极高四个等级；针对不同等级制定相应的管控策略，可实现变电站设备缺陷精准判识和风险科学分级的目的，为变电站运维提供一种新的有效方法。（剩余4721字）
