为推动输电线路智能化巡检模式,本文针对人机协同巡检模式下的图像差异大及干扰因素多等问题,提出一种轻量化改进型YOLOv8(you only look once version 8)的多类别绝缘子缺陷检测算法。首先在特征提取网络中融合可变形大核注意力的同时...为推动输电线路智能化巡检模式,本文针对人机协同巡检模式下的图像差异大及干扰因素多等问题,提出一种轻量化改进型YOLOv8(you only look once version 8)的多类别绝缘子缺陷检测算法。首先在特征提取网络中融合可变形大核注意力的同时进行轻量化,提升网络对不同目标轮廓与尺寸的适用性;其次引入渐进的特征融合策略以改善不同层次特征间的语义差距,提高网络的检测精度;并设计轻量化非对称检测头,进一步减少参数冗余;最后改进边框损失函数有效降低由密集遮挡造成的漏检和误检数量。实验结果表明,本文算法相较于原算法检测精度提升了7.7%,参数量和计算量分别减少了26.4%和30.2%,并在密集、遮挡、多类别目标缺陷检测中的评价指标均领先于当前主流的几类目标检测算法,显著提高了复杂环境下的多类别绝缘子缺陷检测,实现了检测精度和速度的双重提升。展开更多
文摘为推动输电线路智能化巡检模式,本文针对人机协同巡检模式下的图像差异大及干扰因素多等问题,提出一种轻量化改进型YOLOv8(you only look once version 8)的多类别绝缘子缺陷检测算法。首先在特征提取网络中融合可变形大核注意力的同时进行轻量化,提升网络对不同目标轮廓与尺寸的适用性;其次引入渐进的特征融合策略以改善不同层次特征间的语义差距,提高网络的检测精度;并设计轻量化非对称检测头,进一步减少参数冗余;最后改进边框损失函数有效降低由密集遮挡造成的漏检和误检数量。实验结果表明,本文算法相较于原算法检测精度提升了7.7%,参数量和计算量分别减少了26.4%和30.2%,并在密集、遮挡、多类别目标缺陷检测中的评价指标均领先于当前主流的几类目标检测算法,显著提高了复杂环境下的多类别绝缘子缺陷检测,实现了检测精度和速度的双重提升。
