一种基于改进Yolov11n模型输电线路缺陷检测方法技术

本发明专利技术公开了一种基于改进Yolovlln模型输电线路缺陷检测方法；首先，将缺陷图像训练数据集输入改进Yolovlln网络模型进行训练，得到目标检测模型；再由摄像头采集实时视频图像信息，并将其发送到缺陷检测单元；最后，由缺陷检测单元中的目标检测模块得到缺陷类别和位置识别结果；Yolovlln的改进方法为，损失函数CIoU替换为ShapeIoU；优化器SGD替换为AdamW；对于Backbone主干网络中的结构，将C3k2模块替换为C3k2‑H模块；将C2PSA中的PSA注意力机制替换为BRA注意力机制；将原有的Yolo检测头替换成任务动态对齐检测头，提高模型在多尺度目标上的识别能力。本发明专利技术采用的缺陷检测方法能够准确、高效地检测输电线路中的各种异常缺陷，具备较强的实用性和应用前景。

【技术实现步骤摘要】

本专利技术涉及目标检测领域，具体为一种基于改进yolov11n模型输电线路缺陷检测方法。

技术介绍

1、随着人工智能技术的快速发展，人们希望ai与使用者之间拥有更生动的交互方式，为使用者带来更好的用户体验。相比于耗时耗力且准确度较低的传统人为检测方法，近年来，深度学习在计算机视觉领域取得了巨大的突破，被广泛应用于缺陷检测任务。深度学习模型可以通过大量的标注数据进行训练，学习到丰富的特征表示，并能够准确地检测和分类缺陷。

2、输电线路一旦出现缺陷，极易对电力系统的正常运行造成干扰，不仅可能引发供电中断、设备损坏等安全事件，还会增加应急处理的难度与成本，同时带来不可忽视的经济损失。为确保电网稳定运行，必须加强对输电线路的周期性检查与养护，做到早发现、早处理。单靠传统人工巡检方式，存在效率低、安全性差等问题，因此亟需引入更加智能化、自动化的检测技术，以提升巡检质量和安全保障能力。

技术实现思路

1、本专利技术的目的在于提供一种基于改进yolov11n模型输电线路缺陷检测方法，以解决上述
技术介绍
中提出的问本文档来自技高网...

【技术保护点】

1.一种基于改进Yolov11n模型光伏电池缺陷检测方法，其特征在于：将输电线路缺陷图像训练数据集输入到改进后的Yolov11n网络模型进行训练，得到缺陷检测模型；将采集到的输电线路缺陷图像信息发送到缺陷检测单元，缺陷检测单元中的目标检测模块对输入图像进行缺陷检测，从而得到缺陷分类和检测的结果，所述识别过程在训练好的改进Yolov11n网络模型上进行。

2.根据权利要求]所述的基于改进Yolov11n模型输电线路缺陷检测方法，其特征在于：所述的改进Yolov11n模型训练方法为将训练集图像经过翻转、改变亮度、裁剪、平移、增加噪声等数据增强操作后，输入到改进的Yolov11n网...

【技术特征摘要】

1.一种基于改进yolov11n模型光伏电池缺陷检测方法，其特征在于：将输电线路缺陷图像训练数据集输入到改进后的yolov11n网络模型进行训练，得到缺陷检测模型；将采集到的输电线路缺陷图像信息发送到缺陷检测单元，缺陷检测单元中的目标检测模块对输入图像进行缺陷检测，从而得到缺陷分类和检测的结果，所述识别过程在训练好的改进yolov11n网络模型上进行。

2.根据权利要求]所述的基于改进yolov11n模型输电线路缺陷检测方法，其特征在于：所述的改进yolov11n模型训练方法为将训练集图像经过翻转、改变亮度、裁剪、平移、增加噪声等数据增强操作后，输入到改进的yolov11n网络中，将损失函数更改为shape-iou，优化器更改为adamw并训练，可以获得目标检测模型。

3.根据权利要...

【专利技术属性】
技术研发人员：李为相，刘方轩，肖迪，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：