一种改进YOLOv11的绝缘子缺陷检测算法

吕相霖; 宋运; 林家兴; 田力; 谢峰; 卫科; 王光祥; 孙伟

doi:10.16527/j.issn.1003-6954.20260112

您当前的位置：

首页 >

文章列表页 >

一种改进YOLOv11的绝缘子缺陷检测算法

更新时间：2026-03-31

- 一种改进YOLOv11的绝缘子缺陷检测算法
- Vol. 49, Issue 1, Pages: 81-88(2026)
- 作者机构：
  
  1. 国网四川电力送变电建设有限公司
  2. 国网四川省电力公司建设分公司
- 作者简介：
- 基金信息：
- DOI：10.16527/j.issn.1003-6954.20260112
  CLC： TP391.41;TP183;TM216
- Published：2026
- 稿件说明：
移动端阅览
吕相霖, 宋运, 林家兴, et al. 一种改进YOLOv11的绝缘子缺陷检测算法[J]. 2026, 49(1): 81-88.
DOI：

吕相霖, 宋运, 林家兴, et al. 一种改进YOLOv11的绝缘子缺陷检测算法[J]. 2026, 49(1): 81-88. DOI： 10.16527/j.issn.1003-6954.20260112.

摘要

针对现有绝缘子缺陷检测模型在复杂场景下适应性不足、特征表达能力弱及背景干扰导致的精度下降问题，提出了一种结合移位卷积模块、空间增强注意力模块检测头和三重注意力机制模块的改进YOLOv11-SST算法。首先，通过在骨干部分引入三重注意力机制，优化特征提取网络对局部细节与全局语义的协同感知能力；其次，在颈部网络中嵌入移位卷积模块，通过特征图空间偏移策略增强跨尺度特征的空间关联性，在减少冗余计算的同时有效提升小尺寸缺陷目标的定位精度；最后，设计了空间增强注意力检测头模块，结合辅助监督与自适应特征校准机制，强化模型对多尺度缺陷特征的学习鲁棒性。通过实验表明，所提出的YOLOv11-SST算法在电力巡检数据集上的平均检测精度均值达到90.6%

较基准模型提升了2.2个百分点，且单帧推理速度减少了1.4 ms。

Abstract

关键词

Keywords

references

Li Yang,Wang Jianchun,Wu Huarui,Yu Yang,Sun Haibo,Zhang Hong.Detection of powdery mildew on strawberry leaves based on DAC-YOLOv4 model[J].Computers and Electronics in Agriculture,2022.

李欢,周敏,陈晨,张美洲,赵松怀,金凯.基于改进YOLOv5的铝型材料缺陷检测[J].组合机床与自动化加工技术,2025(02).

向长春,李兴山,张海锋,何成利,王磊,郝涌汀.改进YOLOv8的无人机小目标识别算法[J].一重技术,2025(01).

孟芳芳,田孝壮,方薇,张冬英,昝运,张晨,詹鹏.基于改进YOLOv5的高空螺母识别算法[J].科学技术与工程,2025(01).

孙铁强,洪兆志,宋超,肖鹏程.基于多尺度特征融合的轻量化绝缘子缺陷检测[J].激光与光电子学进展,2025(06).

郑凯东,李阿莹.基于RNN和多重注意力机制的高光谱图像分类[J].智能计算机与应用,2022(12).

郎磊,刘宽,王东.基于YOLOX-Tiny的轻量级遥感图像目标检测模型[J].激光与光电子学进展,2023(02).

郑鑫,潘斌,张健.可变形网络与迁移学习相结合的电力塔遥感影像目标检测法[J].测绘学报,2020(08).

毛腾飞,赵曙光.基于改进YOLOv3的实时人手检测算法[J].现代计算机,2020(05).

段伟,闫利.融合图像的频率定量分析及其空间分辨率的确定方法[J].测绘学报,2016(06).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

⁰