针对当前绝缘子表面缺陷识别存在的图像背景复杂、缺陷小目标识别效果差的问题,提出一种基于改进YOLOv8的输电线路绝缘子表面缺陷识别算法。首先,在主干网络引入CAF(Convolution and Attention Fusion)模块,增强全局和局部特征的...
详细信息
针对当前绝缘子表面缺陷识别存在的图像背景复杂、缺陷小目标识别效果差的问题,提出一种基于改进YOLOv8的输电线路绝缘子表面缺陷识别算法。首先,在主干网络引入CAF(Convolution and Attention Fusion)模块,增强全局和局部特征的提取能力;其次,在模型的颈部网络增加GD(Gather-and-Distribute)机制,提升小目标检测能力;最后,采用ATFL(Adaptive Threshold Focal Loss)分类损失函数,削弱复杂背景对小目标检测的干扰,引入PIOU(Powerful Intersection over Union)边界框损失函数,提高识别精度。实验结果表明,该算法的mAP50达到94.1%,相较于基线模型提高了3.1%,且性能优于最近的YOLOv9s、YOLOv10s、YOLOv10m等算法。
暂无评论