-
题名改进YOLOv8的输电线路异物检测方法
被引量：7
- 1
-
-
作者
易磊
黄哲玮
易雅雯
-
机构
华中科技大学电气与电子工程学院
-
出处
《电子测量技术》
北大核心
2024年第15期125-134,共10页
-
基金
教育部2020年第二批新工科研究与实践项目(E-NYDQHGC20202219)资助。
-
文摘
针对无人机对输电线路异物检测准确度有限,模型计算复杂度高、计算速度有限的问题,提出一种改进YOLOv8的输电线路异物检测方法SC-YOLO。该方法引入StarNet以构造C2f_Star模块实现Neck网络轻量化,有效降低模型参数量与计算量,同时通过增加特征空间维度提升Neck部分特征提取能力;在骨干网络输出特征图后添加卷积注意力融合模块,提升骨干网络对输入特征图的初步特征提取能力,增强模型整体检测效果;将原检测头替换为动态检测头,提升模型对不同输入的动态调整能力与对关键信息的关注程度;使用WIoU作为边界框损失函数,EMA-Slide Loss作为分类损失函数,提升模型泛化能力与检测性能。实验结果表明,提出的SC-YOLO计算量较原始模型下降8.02%,mAP提升1.4个百分点,达到了95.2%的检测精度,在降低模型计算复杂度的同时实现了较高的检测准确率,具有高可行性与实用性。
-
关键词
输电线异物检测
YOLOv8
StarNet
卷积注意力融合模块
动态检测头
WIOU损失函数
EMA-Slide
Loss损失函数
-
Keywords
transmission line foreign body detection
YOLOv8
StarNet
convolutional attention fusion module
dynamic detection head
WIOU loss function
EMA-Slide loss function
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TN60
[电子电信—电路与系统]
-
