一种基于SCSM-YOLOv8的输电线路异物检测算法制造技术

本发明专利技术公开的属于深度学习目标检测与输电线路异物结合技术领域，具体为一种基于SCSM‑YOLOv8的输电线路异物检测算法，包括具体步骤如下：创建一个用于输电线路异物检测的自定义数据集，并通过随机抽样的方法将其划分为三个部分：训练集、验证集和测试集，其比例为70％、20％和10％；在主干结构中，设计SDM模块，使用设计的可切换扩张卷积SDconv替换原C2f的标准卷积，扩大感受野，提高算法的特征提取能力；在主干结构中，设计CSPPFS模块，在SPPF中引入CBAM注意力机制和SimAM注意力机制，在不增加参数量和计算量的前提下，提高目标检测性能。本发明专利技术通过使用SDM模块、CSPPFS模块和SSFFE模块显著提升了算法的检测效果。

【技术实现步骤摘要】

本专利技术涉及深度学习目标检测与输电线路异物结合，具体为一种基于scsm-yolov8的输电线路异物检测算法。

技术介绍

1、输电线路横跨山川、城市、农村等复杂的环境，因此极易遭受各种异物附着。若这些异物未能及时发现并清理，可能会造成线路停运，进而引发大面积停电事故，造成巨大的经济损失，并对社会产生深远影响。输电线路异物检测是电力巡检的重要任务，但人工巡检劳动强度大、效率低下，目前智能巡检正以其高安全可靠性和低成本性，成为输电线路检测的主流方式。智能巡检的目标检测方法主要是提取目标的特征，并进行目标的分割和识别。近年来，深度学习发展迅猛，基于深度学习的目标检测在输电线路异物检测中得到了应用。

2、目前，基于深度学习的目标检测算法要分为两种类型，一种是两阶段目标检测算法，如r-cnn、fast r-cnn、faster r-cnn等，但其较慢的推理速度并不符合目前检测任务的需求。另外一种是单阶段目标检测算法，这类算法在维持优异检测准确性的基础上，能够实现高速的推理过程，主要代表包括ssd和yolo。其中，yolov8凭借其灵活的架构和锚框自由设计本文档来自技高网...

【技术保护点】

1.一种基于SCSM-YOLOv8的输电线路异物检测算法，其特征在于，包括具体步骤如下：

2.根据权利要求1所述的一种基于SCSM-YOLOv8的输电线路异物检测算法，其特征在于，所述S1的具体步骤如下：

3.根据权利要求1所述的一种基于SCSM-YOLOv8的输电线路异物检测算法，其特征在于，所述S2中可切换扩张卷积SDconv包括前置的多通道全局上下文模块、SDconv单元以及后置的多通道全局上下文模块；

4.根据权利要求3所述的一种基于SCSM-YOLOv8的输电线路异物检测算法，其特征在于，所述SDM模块的步骤为：输入特征首先通过一个SDcon...

【技术特征摘要】

1.一种基于scsm-yolov8的输电线路异物检测算法，其特征在于，包括具体步骤如下：

2.根据权利要求1所述的一种基于scsm-yolov8的输电线路异物检测算法，其特征在于，所述s1的具体步骤如下：

3.根据权利要求1所述的一种基于scsm-yolov8的输电线路异物检测算法，其特征在于，所述s2中可切换扩张卷积sdconv包括前置的多通道全局上下文模块、sdconv单元以及后置的多通道全局上下文模块；

4.根据权利要求3所述的一种基于scsm-yolov8的输电线路异物检测算法，其特征在于，所述sdm模块的步骤为：输入特征首先通过一个sdconv，然后进入一个sdbottleneck，同时，输入特征也通过一个传统的卷积层；sdbottleneck的输出与标准卷积层的输出在通道维度上进行拼接，之后通过另一个sdconv进行特征整合，最终作为sdm模块的输出；

5.根据权利要求1所述的一种基于scsm-yolov8的输电线路异物检测算法，其特征在于，所述s3在csppfs模块中，其输入特征首先经过cbam模块，而后通过simam模块，所述simam模块通过自适应地调整特征图的通道权重来增强重要特征，所述cbam模块通过显式的通道和空间注意力机制...

【专利技术属性】
技术研发人员：谢国波，夏炜，刘岩，罗楷聪，何炯星，周宇，连凯，黄小兵，王泽玮，温诗恒，林志毅，苏庆，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：