【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及缺陷檢測，具體涉及一種基于改進的yolov8高壓輸電線路缺陷檢測算法。
技術(shù)介紹
1、隨著我國國民經(jīng)濟和科技的快速發(fā)展，用電量逐步增加，高壓輸電線路的規(guī)模也在不斷擴大；絕緣子是架空輸電線路中至關(guān)重要的組件，具有優(yōu)良的機械強度和電氣絕緣性能，其主要功能是為載流導(dǎo)線提供必要的支撐和電氣隔離，均壓環(huán)在輸電線路中起到分散電纜上的電場強度的作用，可以有效降低局部電廠的集中程度，從而減少電氣擊穿的風(fēng)險，提高線路的可靠性；高壓線纜的主要功能是輸送電能，通過連接發(fā)電廠、變電站和電力用戶來滿足不同地區(qū)的電力需求；然而，由于高壓輸電線路通常分布在偏遠地區(qū)，絕緣子、均壓環(huán)和高壓線纜都暴露在戶外，面臨著惡劣的運行環(huán)境，這對電力系統(tǒng)的安全性和穩(wěn)定性構(gòu)成了嚴重的威脅；因此，對高壓輸電線路的缺陷進行檢測是確保電力傳輸安全可靠的關(guān)鍵環(huán)節(jié)之一。
2、隨著深度學(xué)習(xí)算法在圖像識別和檢測領(lǐng)域的顯著進展，基于室內(nèi)燈學(xué)習(xí)的目標(biāo)檢測算法因其高檢測進度和強魯棒性，受到了廣泛關(guān)注，這類算法在高壓輸電線路缺陷檢測中的應(yīng)用也日漸增多，并展現(xiàn)出優(yōu)越的性能，例如，zhao等人微調(diào)了更快的基于區(qū)域的fasterr-cnn模型來檢測絕緣子；zhang等人改進了yolov3中針對絕緣子和絕緣子缺陷的特征金字塔網(wǎng)絡(luò)；zhang等人提出了一種注意力引導(dǎo)的多任務(wù)cnn來檢測電力線部件；zheng等人提出了一種改進的中心網(wǎng)，以提高復(fù)雜背景下變電站設(shè)備的識別效果，但沒有考慮到物體的旋轉(zhuǎn)特性；zheng等人提出了一種針對絕緣子紅外圖像的定向檢測模型，但檢測速度緩慢；雖然這些方法
技術(shù)實現(xiàn)思路
1、為了解決現(xiàn)有技術(shù)中存在的問題，本專利技術(shù)提供一種基于改進的yolov8高壓輸電線路缺陷檢測算法。該方案包括：獲取拍攝的多張高壓輸電線路圖像構(gòu)建高壓輸電線路缺陷檢測數(shù)據(jù)集；將高壓輸電線路缺陷檢測數(shù)據(jù)集輸入改進的yolov8網(wǎng)絡(luò)模型中進行訓(xùn)練；利用訓(xùn)練好的改進的yolov8網(wǎng)絡(luò)模型對待檢測高壓輸電線路進行缺陷檢測；改進的yolov8網(wǎng)絡(luò)模型包括：主干網(wǎng)絡(luò)采用mamba-block模塊對高壓輸電線路圖像進行特征提取；主干網(wǎng)絡(luò)還采用動態(tài)權(quán)重選擇機制對融合后的特征圖進行權(quán)重分配；頸部網(wǎng)絡(luò)采用聚焦擴散金字塔網(wǎng)絡(luò)結(jié)構(gòu)對提取的特征進行融合；本專利技術(shù)提出的改進模型能夠有效提升對細小缺陷的檢測能力，滿足了對高壓輸電線路檢測任務(wù)的需求。
2、本專利技術(shù)采用如下技術(shù)方案，一種基于改進的yolov8高壓輸電線路缺陷檢測算法，包括：
3、獲取拍攝的多張高壓輸電線路圖像；所述高壓輸電線路圖像中包含多種存在缺陷的高壓輸電線路；
4、根據(jù)獲取的多張高壓輸電線路圖像構(gòu)建高壓輸電線路缺陷檢測數(shù)據(jù)集；
5、將所述高壓輸電線路缺陷檢測數(shù)據(jù)集輸入改進的yolov8網(wǎng)絡(luò)模型中進行訓(xùn)練，得到訓(xùn)練好的yolov8網(wǎng)絡(luò)模型；
6、獲取待檢測高壓輸電線路圖像，將待檢測高壓輸電線路圖像輸入訓(xùn)練好yolov8網(wǎng)絡(luò)模型中，利用訓(xùn)練好的改進的yolov8網(wǎng)絡(luò)模型對待檢測高壓輸電線路進行缺陷檢測；
7、所述改進的yolov8網(wǎng)絡(luò)模型包括：主干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)和頭部網(wǎng)絡(luò)；其中，所述主干網(wǎng)絡(luò)采用mamba-block模塊對高壓輸電線路圖像進行特征提取，并引入動態(tài)權(quán)重選擇機制對mamba-block模塊的輸出特征進行權(quán)重分配；所述頸部網(wǎng)絡(luò)采用聚焦擴散金字塔網(wǎng)絡(luò)結(jié)構(gòu)，用以對提取的特征進行融合。
8、進一步的，所述主干網(wǎng)絡(luò)采用mamba-block模塊對高壓輸電線路圖像進行特征提取，包括：
9、通過層歸一化對輸入的高壓輸電線路圖像進行歸一化處理；
10、歸一化處理后的高壓輸電線路圖像進入兩條并行路徑，所述并行路徑分別為主路徑和旁路路徑；
11、高壓輸電線路圖像通過所述主路徑進行深度可分離卷積提取空間特征，然后經(jīng)過selective?ssm模塊進行特征增強，并采用激活函數(shù)進行非線性映射；
12、高壓輸電線路圖像通過所述旁路路徑后經(jīng)過線性層進行特征的線性組合，然后采用激活函數(shù)進行非線性映射；
13、將主路徑和旁路路徑的輸出通過逐元素相乘進行融合，得到mamba-block模塊的輸出特征。
14、進一步的，所述頸部網(wǎng)絡(luò)采用聚焦擴散金字塔網(wǎng)絡(luò)結(jié)構(gòu)，用以對提取的特征進行融合，具體為：
15、對提取的特征輸入聚焦擴散金字塔網(wǎng)絡(luò)結(jié)構(gòu)后，分別輸入三個分支進行下采樣處理；其中，第一個分支采用adown模塊進行下采樣得到第一特征圖；第二個分支采用1*1卷積核進行通道壓縮和特征變換得到第二特征圖；第三個分支采用3*3卷積核提取局部空間特征得到第三特征圖；
16、將第一特征圖、第二特征圖和第三特征圖進行拼接，得到融合特征圖；
17、對所述多尺度特征融合圖采用四個并行的深度可分離卷積操作，并對卷積操作的輸出進行逐元素相加融合，得到多尺度融合特征圖。
18、進一步的，所述adown模塊包括：
19、對輸入的特征進行二維平均池化操作后，分別輸入兩個分支；
20、特征輸入第一個分支進行最大池化操作，并經(jīng)過一個卷積層進行特征變換和通道壓縮；
21、特征輸入第二個分支經(jīng)過一個卷積層進行特征變換和通道壓縮；
22、將兩個分支的輸出通過特征拼接操作進行融合，得到第一特征圖。
23、進一步的，所述主干網(wǎng)絡(luò)還采用動態(tài)權(quán)重選擇機制對mamba-block模塊的輸出特征進行權(quán)重分配，包括：
24、mamba-block模塊的輸出特征經(jīng)過一個卷積層進行特征提取和通道壓縮，然后分為兩個分支；其中，左側(cè)分支采用可變性卷積；右側(cè)分支采用二維卷積。
25、進一步的，所述高壓輸電線路圖像中包含多種存在缺陷的高壓輸電線路，具體為：
26、所述多種存在缺陷的高壓輸電線路包括：緣子損傷、均壓環(huán)傾斜、均壓環(huán)脫落、線纜斷股、線纜松股以及線纜異物。
27、進一步的，根據(jù)多張高壓輸電線路圖像構(gòu)建高壓輸電線路缺陷檢測數(shù)據(jù)集的方法為：
28、拍攝多張高壓輸電線路圖片，對多張高壓輸電線路圖片進行人工標(biāo)注后，根據(jù)每張高壓輸電線路圖片的標(biāo)注內(nèi)容進行缺陷分類；
29、根據(jù)分類后的多張高壓輸電線路圖片構(gòu)建高壓輸電線路缺陷檢測數(shù)據(jù)集。
30、進一步的，將所述高壓輸電線路缺陷檢測數(shù)據(jù)集輸入改進的yolov8網(wǎng)絡(luò)模型中進行訓(xùn)練時，還包括：
31、采用精準(zhǔn)率、召回率、平均精度均值、參數(shù)量和計算量作為模型的評價指標(biāo)。
32、本專利技術(shù)的有益效果是：本專利技術(shù)構(gòu)建的網(wǎng)絡(luò)模型中，通過設(shè)計mamba-block模塊，以促進高壓輸電線路圖像中缺陷識別與定位的有效協(xié)同，從而提升模型在復(fù)雜背景下的檢測能力；其次，引入了fdpn網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)結(jié)構(gòu)通過定制化本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于改進的YOLOv8高壓輸電線路缺陷檢測算法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于改進的YOLOv8高壓輸電線路缺陷檢測算法，其特征在于：所述主干網(wǎng)絡(luò)采用Mamba-Block模塊對高壓輸電線路圖像進行特征提取，包括：
3.根據(jù)權(quán)利要求1所述的一種基于改進的YOLOv8高壓輸電線路缺陷檢測算法，其特征在于：所述頸部網(wǎng)絡(luò)采用聚焦擴散金字塔網(wǎng)絡(luò)結(jié)構(gòu)，用以對提取的特征進行融合，
4.根據(jù)權(quán)利要求3所述的一種基于改進的YOLOv8高壓輸電線路缺陷檢測算法，其特征在于：所述Adown模塊包括：
5.根據(jù)權(quán)利要求1所述的一種基于改進的YOLOv8高壓輸電線路缺陷檢測算法，其特征在于：所述主干網(wǎng)絡(luò)還采用動態(tài)權(quán)重選擇機制對Mamba-Block模塊的輸出特征進行權(quán)重分配，包括：
6.根據(jù)權(quán)利要求1所述的一種基于改進的YOLOv8高壓輸電線路缺陷檢測算法，其特征在于：所述高壓輸電線路圖像中包含多種存在缺陷的高壓輸電線路，具體為：
7.根據(jù)權(quán)利要求1所述的一種基于改進的YOLOv8高壓輸電線路缺陷檢測算
8.根據(jù)權(quán)利要求1所述的一種基于改進的YOLOv8高壓輸電線路缺陷檢測算法，其特征在于：將所述高壓輸電線路缺陷檢測數(shù)據(jù)集輸入改進的YOLOv8網(wǎng)絡(luò)模型中進行訓(xùn)練時，還包括：
...【技術(shù)特征摘要】
1.一種基于改進的yolov8高壓輸電線路缺陷檢測算法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于改進的yolov8高壓輸電線路缺陷檢測算法，其特征在于：所述主干網(wǎng)絡(luò)采用mamba-block模塊對高壓輸電線路圖像進行特征提取，包括：
3.根據(jù)權(quán)利要求1所述的一種基于改進的yolov8高壓輸電線路缺陷檢測算法，其特征在于：所述頸部網(wǎng)絡(luò)采用聚焦擴散金字塔網(wǎng)絡(luò)結(jié)構(gòu)，用以對提取的特征進行融合，
4.根據(jù)權(quán)利要求3所述的一種基于改進的yolov8高壓輸電線路缺陷檢測算法，其特征在于：所述adown模塊包括：
5.根據(jù)權(quán)利要求1所述的一種基于改進的yolov8高壓輸電線路缺陷...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：楊慧婷，郭學(xué)讓，郭慶瑞，李亞平，解鵬，張志軍，李豪峰，郭治卿，汪烈軍，何玲，黎玉娥，辛亞楠，
申請(專利權(quán))人：國網(wǎng)新疆電力有限公司電力科學(xué)研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。