一种基于C2f-Faster的YOLOv8n输电线路故障检测方法技术

一种基于C2f‑Faster的YOLOv8n输电线路故障检测方法,属于计算机视觉领域技术，包括以下步骤：S1：建立故障检测数据集；S2：其次将采集到的数据集进行标记，并按照8：2：1随机划分为训练集、验证集、测试集；S3：在模型方面将C2f模块替换为C2f‑Faster模块，改进YOLOv8n的主干网络(Backbone)和颈部网络(Neck)，构建基于C2f‑Faster的YOLOv8n检测模型；S4：然后基于所述训练集训练基于C2f‑Faster的YOLOv8n检测模型，得到检测模型；S5：最后将所述测试集输入基于C2f‑Faster的YOLOv8n检测模型，输出输电线路故障检测结果，实现输电线路故障诊断，具有很强的现实意义。本发明专利技术通过改进YOLOv8n的主干网络和颈部网络，可以降低计算复杂度和模型容量，且主干网络能从输入图像中提取和获得不同尺度和复杂度的特征。

【技术实现步骤摘要】

本专利技术涉及故障检测和计算机视觉，具体涉及一种基于c2f-faster的yolov8n输电线路故障检测方法。

技术介绍

1、由于长期暴露在复杂自然环境中，高压输电线路易受雨雪腐蚀、沙暴、雷击等自然条件扰乱，因此输电线路易发生故障现象。此时，定期巡检变得尤为关键。无人机检测模式可以有效克服人工巡检“费时、缓慢、艰难、风险”的弊端，具有高效安全、操控灵活、受限条件少以及成本低等优势。该方式主要是通过巡检人员操控无人机上的图像采集装置获取高压输电线路的视频或图片数据，然后巡检人员借助自身专业知识对采集的视频或图片数据中存在的故障元件进行检测。但随着输电网络规模不断扩大，无人机采集到的数据倍增，给相关技术人员带来巨大工作负担。这种依赖人工进行输电线路故障检测的方式暴露出效率低、受主观因素限制等缺点。因此，在智能电网发展需求的催化下，基于人工智能方法对高压输电线路故障进行自动、准确检测具有重要意义。利用无人机对高压输电线路巡检并基于计算机视觉技术对巡检数据中存在的故障目标进行自动、准确检测是目前输电线路巡检领域中的重要研究方向，同时也是一个极具挑战性的课题。因此，本文档来自技高网...

【技术保护点】

1.一种基于C2f-Faster的YOLOv8n输电线路故障检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于C2f-Faster的YOLOv8n输电线路故障检测方法，其特征在于：步骤S100所述的输电线路故障检测数据集涵盖绝缘子放电痕迹、绝缘子缺陷、绝缘子、防震锤损坏、防震锤、输电导线异物、鸟巢共6中类型。

3.根据权利要求1所述的一种基于C2f-Faster的YOLOv8n输电线路故障检测方法，其特征在于：步骤S200中所述将采集到的数据集进行标记，并按照比例随机划分为训练集、验证集、测试集，包括步骤：

4.根据权利要求1所述的...

【技术特征摘要】

1.一种基于c2f-faster的yolov8n输电线路故障检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于c2f-faster的yolov8n输电线路故障检测方法，其特征在于：步骤s100所述的输电线路故障检测数据集涵盖绝缘子放电痕迹、绝缘子缺陷、绝缘子、防震锤损坏、防震锤、输电导线异物、鸟巢共6中类型。

3.根据权利要求1所述的一种基于c2f-faster的yolov8n输电线路故障检测方法，其特征在于：步骤s200中所述将采集到的数据集进行标记，并按照比例随机划分为训练集、验证集、测试集，包括步骤：

4.根据权利要求1所述的一种基于c2f-faster的yolov8n输电线路故障检测方法，其特征在于：步骤s300所述的yolov8n网络主干网络模型10层结构的第一层为卷积模块，由卷积层(conv2d)、二维批量归一化层(batchnorm2d)和silu激活函数构成；输入通道(inpu...

【专利技术属性】
技术研发人员：任一鸣，杜董生，邓祥帅，连贺，赵哲敏，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：