近日，合肥综合性国家科学中心能源研究院智慧电力中心在人工智能和雷击烧蚀材料检测技术领域取得了重要进展尤其公开了一种基于transformer的机器视觉检测方法。

随着计算机和机器视觉技术的快速发展，基于机器视觉的工程材料检测技术已成为研究热点。而一些工程特别是电网线路通常在偏远的地理环境下建设，其所处的工作环境极其复杂，特别是容易遭受雷击的山区线路，这些因素对检测技术提出了额外的要求。现有的基于机器视觉的材料烧蚀检测的最新技术主要是通过深度卷积神经网络来提取特征，在应用到一些复杂的工作环境中时，由于存在许多噪声和干扰源，例如整体高温氧化、光照变化等，这导致材料烧蚀检测过程需要经过更复杂的数据处理去噪等方式才能够进行后续的检测，大大增加了计算复杂度。同时，由于采样得到的图片中出现的烧蚀特征或大或小，形状不规则，这也给材料烧蚀的特征提取带来难度。因此，引入基于transformer的图像检测方法，利用其独特的多头自注意力机制，可以有效的捕捉全局信息和提取特征，同时，其架构所带来的并行计算能力也能有效的提升训练和推理效率。

金属复合材料的烧蚀检测在保障电网安全稳定运行中至关重要，相关技术的突破，减少了架空地线在雷电弧作用下会产生烧蚀损伤乃至断股断线导致的设备、电网甚至是人身安全危害，具有广阔的应用前景和极高的社会经济效益。

图1 基于Transformer的金属复合材料烧蚀检测方法模型结构图

图2编码器、解码器结构及计算流程图

图3 本发明实施方法、yolov7于spiking-yolo方法在训练时的损失曲线对比