-
题名基于改进YOLOv8的输电线路绝缘子缺陷检测方法
被引量：3
- 1
-
-
作者
苏怡萱
李智
盘书宝
-
机构
桂林电子科技大学电子工程与自动化学院
桂林航天工业学院无人机系统与技术应用重点实验室
桂林航天工业学院电子信息与自动化学院
-
出处
《电子测量与仪器学报》
北大核心
2025年第1期14-23,共10页
-
基金
广西重点研发计划项目“自主管控和群体协同的机器人智慧巡防系统”(2023AB08117)
桂林航天工业学院特色优势交叉学科发展战略研究专项(TS2024431)资助。
-
文摘
针对输电线路绝缘子缺陷检测过程中目标小、分布零散、易受背景及噪音干扰等问题,提出并改进了一种基于YOLOv8的输电线路绝缘子缺陷检测方法。首先引入了LSKNet代替原有的路径聚合网络,使模型能够根据不同目标的特性自适应地选取和调整卷积核的大小,从而在不同尺度上更精准地匹配目标特征与背景信息的需求,显著增强了对复杂场景下缺陷识别的鲁棒性;并进一步集成SPPF-LSKA模块,该模块通过融合全局上下文信息,极大提升了模型在多尺度特征上的聚合效率与分辨能力,为缺陷检测提供了更为精细的特征表示;此外,所提方法通过对YOLOv8的颈部网络中注入空域注意力机制,使其获得更强的全局特征理解力,强化了模型对关键信息,特别是对小目标的聚焦能力;同时,考虑到实际应用中的模型效率与部署问题,所提方法还将颈部网络中的部分常规卷积层替换为GhostConv,有效减少了模型的参数量和计算负担,实现了检测性能与资源效率的平衡优化。实验结果表明,所提方法的平均精度均值达到了93.1%,相较于改进前提升了4.4%。有效地实现了对小目标的精确检测。
-
关键词
小目标检测
绝缘子缺陷
YOLOv8
注意力机制
深度学习
-
Keywords
small target detection
insulator defect
YOLOv8
attention mechanism
deep learning
-
分类号
TM93
[电气工程—电力电子与电力传动]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
