期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种基于改进的YOLOv8的高压输电线路绝缘子缺陷检测方法
1
作者
赵永祥
张国庆
+1 位作者
罗巍
李晓亮
《无线电工程》
2025年第5期938-948,共11页
针对目前绝缘子缺陷目标检测算法中存在的误检、漏检和检测精度低等问题,提出一种基于改进YOLOv8的高压输电线路绝缘子缺陷检测方法,实现了高精度检测。在改进的YOLOv8模型中,基于可变形卷积神经网络(Deformable Convolutional Neural N...
针对目前绝缘子缺陷目标检测算法中存在的误检、漏检和检测精度低等问题,提出一种基于改进YOLOv8的高压输电线路绝缘子缺陷检测方法,实现了高精度检测。在改进的YOLOv8模型中,基于可变形卷积神经网络(Deformable Convolutional Neural Network,DCNN)和全局注意力机制(Global Attention Mechanism,GAM)设计了可变形注意力骨干网络,减少了特征提取过程中有效目标特征的丢失;基于卷积块注意力模块(Convolutional Block Attention Module,CBAM),提出改进的空间金字塔池化快速特征融合(Spatial Pyramid Pooling Fast Feature Fusion,SPFF)模块,结合高效通道注意力(Efficient Channel Attention,ECA)机制,扩大了模型的感受野,保留了更多类型的绝缘子缺陷特征信息,提高了检测精度;采用稳定交并比(Stable Intersection over Union,SIoU)损失函数,加快了模型的收敛速度,提升了对小目标缺陷的检测能力;构建了一个包含“Normal”“Defect”“Broke”“Flashover”四种类型的绝缘子缺陷数据集。实验结果表明,改进后的YOLOv8模型的平均精度均值(mean Average Precision,mAP)达到95.84%,较原YOLOv8提高了5.58%,在各类绝缘子上的AP值均显著优于其他算法。相比原始算法,改进后的YOLOv8模型在小目标缺陷检测方面的表现显著提升,进一步验证了所提算法在绝缘子缺陷检测中的可行性和有效性。
展开更多
关键词
绝缘子缺陷检测
深度学习
可变形注意力骨干网络
改进的空间金字塔池化快速特征融合模块
小目标缺陷检测
在线阅读
下载PDF
职称材料
题名
一种基于改进的YOLOv8的高压输电线路绝缘子缺陷检测方法
1
作者
赵永祥
张国庆
罗巍
李晓亮
机构
北
华
航天工业
学院
遥感信息
工程
学院
出处
《无线电工程》
2025年第5期938-948,共11页
基金
博士启动基金(BKY-2021-26)
南京航空航天大学空间光电探测与感知工业和信息化部重点实验室开放课题资助(NJ2024027-8)
中央高校基本科研业务费资助(NJ2024027)。
文摘
针对目前绝缘子缺陷目标检测算法中存在的误检、漏检和检测精度低等问题,提出一种基于改进YOLOv8的高压输电线路绝缘子缺陷检测方法,实现了高精度检测。在改进的YOLOv8模型中,基于可变形卷积神经网络(Deformable Convolutional Neural Network,DCNN)和全局注意力机制(Global Attention Mechanism,GAM)设计了可变形注意力骨干网络,减少了特征提取过程中有效目标特征的丢失;基于卷积块注意力模块(Convolutional Block Attention Module,CBAM),提出改进的空间金字塔池化快速特征融合(Spatial Pyramid Pooling Fast Feature Fusion,SPFF)模块,结合高效通道注意力(Efficient Channel Attention,ECA)机制,扩大了模型的感受野,保留了更多类型的绝缘子缺陷特征信息,提高了检测精度;采用稳定交并比(Stable Intersection over Union,SIoU)损失函数,加快了模型的收敛速度,提升了对小目标缺陷的检测能力;构建了一个包含“Normal”“Defect”“Broke”“Flashover”四种类型的绝缘子缺陷数据集。实验结果表明,改进后的YOLOv8模型的平均精度均值(mean Average Precision,mAP)达到95.84%,较原YOLOv8提高了5.58%,在各类绝缘子上的AP值均显著优于其他算法。相比原始算法,改进后的YOLOv8模型在小目标缺陷检测方面的表现显著提升,进一步验证了所提算法在绝缘子缺陷检测中的可行性和有效性。
关键词
绝缘子缺陷检测
深度学习
可变形注意力骨干网络
改进的空间金字塔池化快速特征融合模块
小目标缺陷检测
Keywords
insulator defect detection
deep learning
deformable attention backbone network
improved SPFF module
small object defect detection
分类号
TP391.4 [自动化与计算机技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种基于改进的YOLOv8的高压输电线路绝缘子缺陷检测方法
赵永祥
张国庆
罗巍
李晓亮
《无线电工程》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
