套管油位异常是导致套管故障、变压器跳闸甚至爆燃的主要原因之一,针对现有超特高压变压器套管油位深度学习检测算法存在的模型结构单一、泛化能力较弱、检测精度无法满足实际运检需求,且难以有效检测、辨识变压器套管油位缺陷等问题,构建了一种改进YOLOv8n的套管油位视觉检测算法:在特征提取方面,基于改进神经卷积网络中的Res2Net模块,设计了一种多尺度空间特征提取模块MSF-RN(multi-scale spatial feature of res2Net)
替换YOLOv8n中的原有C2F结构,提升套管油位检测多尺度数据的颗粒度与准确度;在特征金字塔方面,基于Gabor滤波器卷积模块,设计了一种多向空间特征提取模块MDF-GA(multi-direction spatial feature of gabor)