基于改进YOLOv8的输电线路绝缘子缺陷检测

周思; 李俊轩; 朱俊; 蔡知寰; 邓涛涛

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于改进YOLOv8的输电线路绝缘子缺陷检测

更新时间：2025-11-18

- 基于改进YOLOv8的输电线路绝缘子缺陷检测
- Vol. 49, Issue 5, Pages: 41-46(2025)
- 作者机构：
  
  国网江西省电力有限公司南昌市湾里供电分公司
- 作者简介：
- 基金信息：
- DOI：
  CLC： TM75;TM216
- Published：2025
- 稿件说明：
移动端阅览
周思, 李俊轩, 朱俊, et al. 基于改进YOLOv8的输电线路绝缘子缺陷检测[J]. 2025, 49(5): 41-46.
DOI：

周思, 李俊轩, 朱俊, et al. 基于改进YOLOv8的输电线路绝缘子缺陷检测[J]. 2025, 49(5): 41-46. DOI：

摘要

为快速准确地检测输电线路绝缘子缺陷，文中基于改进YOLOv8模型，开展对绝缘子缺陷的智能识别检测。首先，根据无人机现场航拍图像构建了输电线路图像数据集2300幅；其次，以YOLOv8作为基础模型，采用可形变卷积AKConv替换模型中的固定卷积，并在特征融合过程中引入坐标注意力（coordinate attention

CA）机制，增强模型对缺陷特征的自适应性与关注度，同时，在模型训练时引入NWD损失函数，提高了模型对缺陷目标的定位精度；最后，利用测试集图像对改进后的模型进行测试。结果表明，改进后模型的mAP可达94.66%，相较于原模型提升了2.83%，将检测结果与SSD、Faster RCNN、YOLOv7等算法模型相比较，验证了所用模型的有效性。

Abstract

关键词

Keywords

references

邱志斌,阮江军,黄道春,陈洪波,李晓彬,白欢.输电线路悬式瓷绝缘子老化形式分析与试验研究[J].高电压技术,2016(04).

高伟,周宸,郭谋发.基于改进YOLOv4及SR-GAN的绝缘子缺陷辨识研究[J].电机与控制学报,2021(11).

黄新波,高玉菡,张烨,赵隆,伍逸群,孙苏珍.基于联合分量灰度化算法和深度学习的玻璃绝缘子目标识别算法[J].电力自动化设备,2022(04).

李斌,屈璐瑶,朱新山,郭志民,田杨阳.基于多尺度特征融合的绝缘子缺陷检测[J].电工技术学报,2023(01).

亢洁,王勍,刘文波,夏宇.融合CAT-BiFPN与注意力机制的航拍绝缘子多缺陷检测网络[J].高电压技术,2023(08).

王思,熊惠敏,胡蕾,王文彬.基于改进YOLOv7的输电线路绝缘子设备及其缺陷检测算法[J].江西电力,2024(01).

李俊轩,邱志斌,石大寨,张润,李攀.基于X-DR图像与YOLO-MS模型的输电线路耐张线夹压接缺陷检测[J].南方电网技术,2024(11).

徐滔.基于深度卷积神经网络的航拍绝缘子目标检测方法研究[D].西南交通大学,2023(02).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

面向电力设备的多维交互注意力增强YOLOv8n多模态检测算法

基于改进YOLOv7的输电线路绝缘子设备及其缺陷检测算法

输电线路通道地质灾害体影像特征分析及隐患识别

高压输电线路雷击浪涌计算模拟研究

江西电网输电线路山火跳闸分析及对策

Related Author

童超

饶鑫威

徐十三悦

王海海

王皓天

王思

熊惠敏

胡蕾

Related Institution

国网江西省电力有限公司石城县供电分公司

南昌科晨电力试验研究有限公司

江西师范大学数字产业学院

国网江西省电力有限公司电力科学研究院

南昌工程学院

AI问答

⁰