La intrusión de objetos peligrosos en líneas de transmisión críticas puede provocar accidentes graves, incluyendo cortes masivos de energía y hasta víctimas por descarga eléctrica. Sin embargo, los sistemas de monitoreo actuales están limitados por sensores de una sola modalidad, como visión monocular o binocular o detección mediante LiDAR, que no logran una percepción tridimensional confiable en tiempo real ni un análisis correlativo entre las intrusiones externas y las distancias de seguridad de las líneas de transmisión en escenas multiterreno complejas.
Para abordar esta limitación, se propone un marco de visión ligera que fusiona estimación de postura, detección visual y transformación de profundidad. Este enfoque logra una medición de rango de alta precisión y una alerta temprana de peligros externos dentro de los corredores de transmisión en todos los tipos de terreno. La arquitectura emplea un modelo de detección de peligros en líneas de transmisión ligero, al introducir un mecanismo de equilibrio dinámico de muestras positivas y negativas, lo que mejora el rendimiento de detección del modelo.
Además, se propone un algoritmo mejorado de estimación de postura para lograr un mapeo espacial de alta precisión. Este algoritmo, combinado con la transformación de profundidad y la reconstrucción de nube de puntos, permite un rango refinado para los peligros en relación con las líneas de transmisión bajo condiciones arbitrarias de terreno.
El método propuesto ha sido validado en plataformas de IA terminal y desplegado en cámaras terminales instaladas a lo largo de las líneas de transmisión, mostrando un excelente rendimiento de inferencia y adaptabilidad al despliegue en dispositivos terminales.
