基于深度学习的混凝土电线杆隐患识别方法

本发明公开了一种基于深度学习的混凝土电线杆隐患识别方法，本发明通过融合超声波信号特征与红外热像温度场特征，构建综合特征向量，并结合热传导理论对两者进行建模，有效提升了对混凝土电线杆内部和表面缺陷的识别能力。同时，基于Mask R‑CNN模型，采用粒子群优化算法动态调整超参数配置，不仅提高了模型训练的效率，还显著增强了检测精度。此外，通过引入特征向量的归一化处理和多通道扩展方法，简化了数据处理流程，确保了输入数据的一致性，从而进一步提升了模型的推理效率和性能。