基于改进YOLOv8模型的电线杆塔部件缺陷识别方法技术

本发明专利技术公开了一种基于改进YOLOv8模型的电线杆塔部件缺陷识别方法，包括构建基于YOLOv8模型，引入混合注意力机制，得到改进YOLOv8模型；基于目标训练集对改进YOLOv8模型进行训练及采用UIoU‑Focal‑inv损失函数对参数进行调节，得到最优改进YOLOv8模型；基于测试集，将其输入至最优改进YOLOv8模型，输出得到电线杆塔部件的缺陷种类及对应缺陷种类的频率，实现输电线路中电线杆塔部件缺陷识别。本发明专利技术基于YOLOv8模型进行匹配改进，HAT模块的混合注意力机制能增强模型的特征表示，适用于电线杆塔部件中存在遮挡、对比度低及目标细粒度不明显等复杂识别场景。

【技术实现步骤摘要】

本专利技术涉及电线杆塔检测领域，具体来说，涉及一种基于改进yolov8模型的电线杆塔部件缺陷识别方法。

技术介绍

1、现在电力输电线路的日常运维中，传统的人工巡检方式存在效率低、覆盖范围有限、高空作业风险高等问题。

2、近年来，无人机(uav，unmanned aerial vehicle)巡检技术逐渐普及，但基于无人机影像的电力设施缺陷检测仍面临诸多技术挑战：1)由于各条输电线路的组件部署频率存在显著差异(例如，螺栓和绝缘子串在整条线路中反复使用，而塔杆在每个无人机拍摄点仅出现一次)。同时，电力组件易损性存在的明显差异也带来了组件不同的缺陷发生率(例如，塔杆尽管是单点安装，但由于腐蚀和环境暴露，其缺陷频率较高；而横担尽管是多次安装，但由于结构坚固，其缺陷率较低)，使得数据样本存在严重的类别不平衡问题，导致模型对罕见缺陷的识别能力不足；2)输电线路常穿越山地、森林等复杂环境，影像中目标易受植被遮挡、光照变化、背景干扰等因素影响。

3、此外，受限于无人机安全飞行距离，影像中的如细小裂纹等缺陷目标往往仅占极少数像素，现有检测模型在特征提本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv8模型的电线杆塔部件缺陷识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进YOLOv8模型的电线杆塔部件缺陷识别方法，其特征在于，所述步骤S1包括：

3.根据权利要求1所述的一种基于改进YOLOv8模型的电线杆塔部件缺陷识别方法，其特征在于，所述步骤S3包括：

4.根据权利要求1所述的一种基于改进YOLOv8模型的电线杆塔部件缺陷识别方法，其特征在于，所述步骤S5包括：

5.根据权利要求4所述的一种基于改进YOLOv8模型的电线杆塔部件缺陷识别方法，其特征在于，训练使用AdamW优化器并结合余弦退火...

【技术特征摘要】

1.一种基于改进yolov8模型的电线杆塔部件缺陷识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进yolov8模型的电线杆塔部件缺陷识别方法，其特征在于，所述步骤s1包括：

3.根据权利要求1所述的一种基于改进yolov8模型的电线杆塔部件缺陷识别方法，其特征在于，所述步骤s3包括：

4.根据权利要求1所述的一种基于改进yolov8模型的电线杆塔部件缺陷识别方法，其特征在于，所述步骤s5包括：

5.根据权利要求4所述的一种...

【专利技术属性】
技术研发人员：李杰豪，郭勇，全江涛，熊威，耿思远，刘龙龙，李金戈，王杰，郑小敏，田巧雨，邹语晨，杨文锦，王金鑫，胡一波，王鹏程，李行，庞文韬，彭海涛，周杰钰，吕丰，刘曼佳，易忱，
申请(专利权)人：国网湖北送变电工程有限公司，
类型：发明
国别省市：