来源：期刊VIP网 时间：
作者：樊晓明;刘书明;李长锋;赵举;吕晓勇;李海明;王强;
单位：中国长江电力股份有限公司;浙江大华系统工程有限公司;
摘要：随着输电线路巡检任务的复杂化和对实时检测需求的增加，传统目标检测模型在高效性和轻量化方面存在一定局限性。为此，本研究提出了一种基于RT-DETR(Real-Time Detection Transformer)的轻量化检测模型LRT-DETR(Lightweight RT-DETR)。首先，通过结合轻量化卷积和残差块，提出全新的特征提取模块，用以替换传统主干中的基础模块，以减轻计算开销并提升特征提取效率。其次，将可变形注意力模块与尺度内特征交互结构深度融合，显著增强模型对细粒度特征的提取能力。此外，本研究提出了轻量化的特征融合结构，通过将尺度序列特征融合框架与精简颈部设计相结合，在减少计算量和推理延迟的同时，提升了对小目标的检测能力。最后，在损失函数设计上，基于Inner-IoU与EIoU的结合，提出Inner-EIoU以加速收敛，同时利用辅助框增强了小目标检测能力。基于真实巡检图像数据的实验结果表明，相比RT-DETR模型，LRT-DETR模型在两个数据集上的平均检测精度提升了8.3%，推理速度提高了47.5%；与YOLO系列及其他基于DETR的轻量化模型相比，LRT-DETR模型的平均检测精度同样得到显著提升，验证了其在输电线路巡检任务中的有效性和高效性。
关键词：输电线路巡检;;RT-DETR;;模型轻量化;;目标检测;;注意力机制;;损失函数
基金资助：中国长江电力股份有限公司资助项目(No.Z222302027)
