| 摘要: |
| 针对航拍巡检高压输电线路上绝缘子目标易受复杂背景和部分遮挡影响,造成传统算法难以准确检测的问题,提出了一种基于改进YOLOv8n的轻量化检测模型.模型整体由主干特征提取网络、颈部特征融合网络、头部检测网络等3个部分构成.利用C2f_Star替换主干网络和颈部网络中C2f模块,很大程度上缩减了模型大小;在头部网络部分引入细节增强卷积（DEConv）捕捉更细微的故障特征,增强了对局部特征的表达能力;通过组归一化（GN）技术提高了模型在数据上的泛化能力;在定位分支采用可变形卷积（DCNV2）,以适应目标的几何变形,实现更精确的定位.模型还通过任务分解与特征融合策略,加强分类与定位任务间的交互,进一步提升检测性能.利用无人机巡检图像制作数据集,将改进算法与4种经典目标检测算法进行比较实验，结果表明：该模型的平均检测精度可以达到98.5%,每张图片的检测时间为0.01 s,兼具了检测的准确率和轻量化. |
| 关键词: 输电线路 绝缘子故障检测 YOLOv8n 轻量化模型 深度学习 |
| DOI： |
| 分类号: |
| 基金项目: |
|
|
|
|
| Abstract: |
|
| Key words: |
