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

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

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

新技术应用 | 更新时间：2025-11-18

- 基于改进YOLOv8的输电线路绝缘子缺陷检测
- 基于改进YOLOv8的输电线路绝缘子缺陷检测
- 江西电力 2025年49卷第5期页码：41-46
- 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：
  中图分类号： TM75;TM216
- 纸质出版：2025
- 稿件说明：
移动端阅览
周思, 李俊轩, 朱俊, 等. 基于改进YOLOv8的输电线路绝缘子缺陷检测[J]. 江西电力, 2025,49(5):41-46.

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.
周思, 李俊轩, 朱俊, 等. 基于改进YOLOv8的输电线路绝缘子缺陷检测[J]. 江西电力, 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).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

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