空地协同多模态感知，破解电网全域监测难题

　　近日，一款名为“面向电力检测的多模态感知与数字孪生交互系统”的技术成果完成定型。该系统由沈阳工程学院创新创业协会会长李俊宏带头研发。团队聚焦高压带电、地下密闭、极端气象等常规巡检难以进入的场景，针对识辨失准、通联受阻、存储受限、全域失察四类痛点，为山区、林区、跨越区段与无人区线路提供空地一体、离线可用的监测方案。

　　随着我国电网规模持续扩大，2025 年全国 220 千伏及以上输电线路总长度已超 100 万公里，10 千伏至 110 千伏配电线路总里程超 900 万公里，“24 直、21 交”特高压通道横贯东西、纵贯南北。线路不断向高海拔、重覆冰与无人区延伸，人工登塔效率低、风险高，无人机又受续航与图传距离制约，而这些区段往往没有公网信号——看得见、传得回、存得下，成为必须同时解决的三道关口。

　　该系统创新集成跨模态小目标识别、三模态决策级融合、轻量自编码压缩、链式中继离网传输、多站数字孪生五大核心模块，实现采集、诊断、传输、呈现一体化。算法层在 YOLOv8 框架上引入跨模态注意力机制(CMA)，让可见光与热成像两路信息在特征层相互校准，并以 Fourier 损失抑制高频背景纹理对边框回归的干扰;地面诊断采用决策级融合策略，红外测温、声纹识别、电弧检测三路模型各自独立判断，再在决策层汇聚置信度综合定论，不要求各模态数据严格对齐;轻量 U-Net-ECA 自编码器以对称编解码结构加跳跃连接保留细节，在网络深层引入 ECA 通道注意力完成通道压缩;传输环节以 LoRa 链式数字中继逐跳转发，图像分片与环境参数在端侧完成加密，由本地中控统一解密、图像重组与 GIS 呈现，全链路数据不出本地网络。

　　经 1.5 万张自建巡检数据集训练验证，系统检测准确率由 91.6% 提升至 98.7%，召回率由 89.6% 提升至 94.3%，mAP50 由 84.2% 提升至 91.3%，而单帧推理时间仅增加 2 毫秒;三模态融合后，故障诊断准确率由单路的 93%、95%、95% 提升至 97%;图像压缩峰值信噪比由 32 分贝提升至 39.6 分贝，参数量由 8.3M 降至 6.7M，压缩率由 82% 提升至 87%，压缩后图像仍可支撑后续检测任务。

　　在实测环节，系统于一条全长 103.296 公里的 500 千伏线路完成中试，缺陷与隐患识别正确率 96.2%，故障诊断精确率 98.6%;2026 年 5 月，团队转入 50 公里、800 千伏特高压场景开展 15 天实地测试，识别正确率由 94% 提升至 96.1%，识别错误率由 6% 降至 1.9%，故障诊断精确率由 95% 提升至 98.5%，同等存储条件下可存照片量提升 47%。经第三方科技查新，该系统核心技术点在国内公开发表文献中未见相同报道;软件功能与硬件环境适应性分别通过第三方测评与 GB/T 2423 系列环境、盐雾试验。

　　业内专家表示，该系统以空地协同、多模态融合与离网传输的组合，破解了极端环境下“看不见、传不回、存不下”的监测难题，为电网全域感知提供了可复制的技术路径，在特高压、跨区输电与配网巡检等场景具有推广价值。

　　(来源：沈阳工程学院汇行科创实验室 X-Pioneer 团队)