| 用于输电线路缺陷图像检测的改进 YOLO 模型
| 用于输电线路缺陷图像检测的改进 YOLO 模型
摘 要: 针对输电线路无人机巡检中缺陷尺度变化大、深度学习模型复杂度高和难以实时部署的问题,提出了一种基于改进 YOLOv11 的轻量化多缺陷图像检测算法。首先, 在 C3k2 中引入小波卷积, 形成 C3k2_WT 模块, 以加强模型面对多尺度目标的检测鲁棒性; 然后, 使用空间与通道协同注意力 SCSA 替换 PSABlock 的注意力层, 构成 C2PSASCSA 模块, 以提升多尺度缺陷检测的精度; 随后, 将广义特征金字塔网络集成至特征融合网络中, 以实现高效的多尺度信息融合; 最后, 采用通道剪枝技术, 实现模型的检测精度与复杂度的动态平衡。实验结果表明, 该模型在巡检数据集上实现了参数量与 GFLOPs 下降 29% 与 30% 的同时, mAP@0.5 达到 82.1%, 提高了 5.2%。在对比实验和消融实验中, 模型性能优于 YOLOv11n 及其他主流模型, 说明改进算法具有有效性。