基于特征增强的输电线路航拍小目标异物检测算法研究

李刚; 张英杰; 周国亮; 吕进

欢迎来到能源电力期刊网！

您当前的位置：

首页 >

文章列表页 >

基于特征增强的输电线路航拍小目标异物检测算法研究

更新时间：2026-03-05

- 基于特征增强的输电线路航拍小目标异物检测算法研究
- 基于特征增强的输电线路航拍小目标异物检测算法研究
- 电力科学与工程 2026年42卷第2期页码：1-10
- 作者机构：
  
  1. 华北电力大学计算机系
  2. 国网冀北电力有限公司技能培训中心
  3. 南京南瑞信息通信科技有限公司
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(62571189,62373151);中央高校基本科研业务费专项资金资助项目(2023JC006)
- DOI：
  中图分类号： TP391.41;TM75
- 纸质出版：2026
- 稿件说明：
移动端阅览
李刚, 张英杰, 周国亮, 等. 基于特征增强的输电线路航拍小目标异物检测算法研究[J]. 电力科学与工程, 2026,42(2):1-10.

李刚, 张英杰, 周国亮, et al. 基于特征增强的输电线路航拍小目标异物检测算法研究[J]. 2026, 42(2): 1-10.
李刚, 张英杰, 周国亮, 等. 基于特征增强的输电线路航拍小目标异物检测算法研究[J]. 电力科学与工程, 2026,42(2):1-10. DOI：

李刚, 张英杰, 周国亮, et al. 基于特征增强的输电线路航拍小目标异物检测算法研究[J]. 2026, 42(2): 1-10. DOI：

摘要

输电线路异物因体积小、特征弱，在无人机航拍巡检图像中占比极低（0.01%～0.1%像素），易在下采样中被背景噪声淹没，导致传统检测算法漏检率高、识别不稳定。为此，提出基于改进YOLOv8x的航拍输电线路小目标异物快速检测模型：主干网络引入P6多尺度特征层与集成Swin Transformer的C3STR模块，增强小目标全局上下文表达；采用DWConv与Focus轻量化结构降低计算量，提升推理速度；针对样本不均衡问题，引入ATFL自适应阈值焦点损失函数强化困难及小样本类别学习。实验表明，改进模型平均识别精度提升17.9%，小目标及模糊目标检测性能显著增强，且保持实时性，可为输电线路智能运维提供可部署的技术方案。

Abstract

关键词

Keywords

references

卢锦玲,黄鼎越,艾洲.基于级联卷积神经网络的绝缘子缺陷识别[J].电力科学与工程,2022(06).

苏凯第,赵巧娥.基于YOLOv5算法的无人机电力巡检快速图像识别[J].电力科学与工程,2022(04).

冷佳旭,莫梦竟成,周应华,叶永明,高陈强,高新波.无人机视角下的目标检测研究进展[J].中国图象图形学报,2023(09).

辛忠良,叶梁劲,刘善露,付晓勇,廖晓辉.基于改进单阶段目标检测算法的换流站电气设备目标检测[J].电力科学与工程,2024(02).

邵延华,张兴平,张晓强,楚红雨,吴亚东.联合结构重参数和YOLOv5的航拍红外目标检测[J].电子科技大学学报,2024(03).

焦双健,郭章勇.基于改进YOLOv8n的输电线路异物实时检测研究[J].测控技术,2025(04).

冯欣,王俊杰,钟声,方婷婷.小数据集上基于语义的局部注意视觉Transformer方法[J].计算机应用研究,2025(01).

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

基于多分支MIMO深度学习的LCC-HVDC换流器阀电流波形反演研究

基于深度学习双通道特征融合的同塔双回直流线路故障区域辨识

基于Time2Vec-BiGRU-SA深度学习模型的碳价格预测

基于级联卷积神经网络的绝缘子缺陷识别

利用Bert模型实现电力安全规程数据中实体关系抽取