发布日期：2026-05-07
浏览：294
申请人 | 刘庆臻 | ||
学号 | 022031210004 | ||
导师 | 江秀臣 刘亚东 | 教授 | |
答辩地点 | 腾讯会议：712-8993-1775 | ||
答辩时间 | 2026年05月14日 上午9：00 | ||
答辩委员会 | 盛戈皞 | 教授 | 上海交通大学 |
赵振兵 | 教授 | 华北电力大学 | |
徐浩煜 | 教授级高工 | 联想上海研究院 | |
华浩 | 副教授 | 上海交通大学 | |
严英杰 | 副研究员 | 上海交通大学 | |
学位论文题目： 输电线路绝缘子缺陷图像数据生成与泛化方法研究
论文简介
本论文以输电线路绝缘子缺陷检测任务为研究对象，聚焦智能巡检场景下缺陷样本数量不足、合成数据与真实数据存在域偏移、模型跨域泛化能力不足以及表征学习可解释性较弱等关键问题，围绕缺陷样本生成、少量真实样本条件下的域适应、零真实样本条件下的域泛化以及因果可解释性增强方法开展系统性研究，并提出相应的数据生成与泛化提升方法。首先，针对真实缺陷样本获取困难和标注成本高的问题，提出基于域随机化的绝缘子缺陷样本数据生成方法，并结合数字孪生建模构建特定场景下的高保真合成数据，实现变化丰富、自动标注且具有较强场景适应性的缺陷样本生成。其次，针对少量真实样本可用条件下合成数据与真实数据之间存在域偏移的问题，提出基于双重相似度质量评价与相似度感知风格混合的域适应方法，实现合成样本评价与跨域风格对齐。随后，针对零真实样本条件下合成数据泛化能力不足的问题，提出基于领域扩充与差异约束最小化的不变性特征学习域泛化方法，引导模型学习对风格变化鲁棒的域不变特征。最后，针对合成数据生成缺乏理论指导和模型表征可解释性不足的问题，提出基于因果理论的多域数据生成与可解释性表征学习方法，通过因果约束生成数据组，使模型强化对缺陷结构等因果特征的关注，降低对非因果伪相关特征的依赖，从而提升绝缘子缺陷检测模型的泛化能力与可解释性。
English
