Hydropower and Water Resources

电力设备的高效巡检与缺陷精准识别是保障电网安全稳定运行的关键环节。传统巡检模式存在路径依赖性强、效率低、经验依赖度高、缺陷易漏检等问题。本文提出一种融合增强现实(AR)技术的智能巡检方法,构建了基于动态环境感知与多目标优化的巡检路径规划模型,并开发了结合深度学习和AR实时渲染的缺陷智能识别系统。路径规划模型综合考虑设备分布、环境动态变化、安全距离约束及任务优先级,利用改进蚁群算法生成最优巡检序列；缺陷识别系统通过轻量化YOLOv5模型实现设备状态实时检测与分类,并借助AR技术实现缺陷信息的空间锚定与可视化叠加。