基于改进YOLOv11的输电线路异物检测算法

杨钰雪; 张志; 何甜; 刘瑞英; 荀书琳

doi:10.26945/j.cnki.1001-9898.2025.06.010

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于改进YOLOv11的输电线路异物检测算法

更新时间：2026-01-06

- 基于改进YOLOv11的输电线路异物检测算法
- Vol. 44, Issue 6, Pages: 42-46+53(2025)
- 作者机构：
  
  1. 国网河北省电力有限公司信息通信分公司
  2. 华北电力大学
- 作者简介：
- 基金信息：
- DOI：10.26945/j.cnki.1001-9898.2025.06.010
  CLC： TM75;TP183;TP391.41
- Published：2025
- 稿件说明：
移动端阅览
杨钰雪, 张志, 何甜, et al. 基于改进YOLOv11的输电线路异物检测算法[J]. 2025, 44(6): 42-46+53.
DOI：

杨钰雪, 张志, 何甜, et al. 基于改进YOLOv11的输电线路异物检测算法[J]. 2025, 44(6): 42-46+53. DOI： 10.26945/j.cnki.1001-9898.2025.06.010.

摘要

基于无人机航拍图像的异物检测是输电线路智能巡检中的重要环节。YOLO系列目标检测算法因其高精度和快速检测的优势，已成为主流方法，但其在复杂环境下仍存在一定的检测瓶颈，尤其是在异物目标小、遮挡严重、背景干扰强的情况下检测性能下降。因此，在YOLOv11的基础上引入了SPDConv和内容引导注意力模块CGAM

以增强特征提取能力并提高检测精度。SPDConv能够有效地提取异物的特征，特别是在小目标检测中，能够更好地平衡特征的细节和整体结构；而CGAM通过自适应学习图像中的关键信息，引导模型聚焦于异物目标区域，抑制背景噪声，提高检测的鲁棒性。实验结果表明，改进后的YOLOv11在输电线路巡检任务中，在保证推理速度不降低的前提下，检测精度和可靠性均有所提升，mAP相较于其他方法平均提高1.5%～3.5%。

Abstract

关键词

Keywords

references

唐翔翔,沈薇,朱明,鲍文霞.基于改进YOLOv4的输电线路异物检测算法[J].安徽大学学报(自然科学版),2021(05).

余沿臻,邱志斌,周银彪,朱轩,王青.基于卷积神经网络与ECOC-SVM的输电线路异物检测[J].智慧电力,2022(03).

熊鸿军,熊旺.基于改进的YOLOv3输电线路异物检测[J].上海电机学院学报,2023(06).

徐鹏雷,杨文刚.基于YOLO的输电线路鸟巢检测网络结构改进研究[J].智慧电力,2024(04).

沈晓峰,谢伟,孙路,李轶,贺润平.基于相邻帧差法的输电线路异物目标检测研究[J].自动化仪表,2023(10).

孙阳,李佳.基于通道剪枝的YOLOv7-tiny输电线路异物检测算法[J].计算机工程与应用,2024(14).

易磊,黄哲玮,易雅雯.改进YOLOv8的输电线路异物检测方法[J].电子测量技术,2024(15).

鲍晓慧.基于YOLO V5的输电线路鸟巢缺陷检测[J].电气技术与经济,2024(06).

高骞,洪宇,薛禾雨.基于显著性加强和YOLOv5算法的输电线路异物快速识别方法研究[J].自动化与仪器仪表,2024(07).

马洲俊,王茂飞,蒋承伶.一种融合直线机制与膨胀算法的输电线路异物检测方法[J].机械与电子,2024(05).

李宁,程旭,卢景才,梁河雷,时洪刚.基于改进YOLO v8的输电线路故障识别方法[J].河北电力技术,2024(04).

屠乃威,焦猛,阎馨.复杂环境下输电线路鸟巢目标图像检测模型[J].计算机工程,2024(07).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于改进YOLOv8n的超特高压变压器套管油位视觉检测算法

基于深度学习与边缘计算的变电站安全管控技术研究

面向变电站鸟害防治的轻量化鸟类目标检测方法

Related Author

刘畅

王乐

胡嘉祥

高淼

崔超

梁贵书

刘子豪

赵智龙

Related Institution

国网河北省电力有限公司超高压分公司

新能源电力系统全国重点实验室(华北电力大学)

国网山东省电力公司青岛市即墨区供电公司

AI问答

⁰