MRA-YOLOv8:一种传输线路故障检测算法,集成多尺度特征融合
Shuai Hao1, Jing Li1,2, Xu Ma1
1College of Electrical and Control Engineering, Xi'an University of Science and Technology, Xi'an 710054, China.
Sensors (Basel, Switzerland)
|December 31, 2025
概括
这项研究引入了一种改进的YOLOv8模型,用于检测输电线路故障,即使是复杂的背景和阻塞. 新方法提高了无人机 (UAV) 检查的准确性.
科学领域:
- 电气工程 电气工程
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 输电线路检查面临复杂背景和封闭组件的挑战.
- 准确的故障检测对于保持电网可靠性至关重要.
研究的目的:
- 开发一种先进的故障检测方法,用于使用无人机 (UAV) 检查的输电线路组件.
- 解决现有方法在处理复杂的背景和部分遮方面的局限性.
主要方法:
- 利用YOLOv8作为基线框架,将一个自我注意力机制集成到骨干中.
- 在子网络中引入了一个多尺度注意力聚合 (MRA) 模块.
- 优化了界限框损失函数以解决类不平衡.
主要成果:
- MRA-YOLOv8方法实现了平均92.5%的检测精度.
- 该模型在真实世界检查数据中显示了90.9%的召回率.
- 在复杂的背景下检测隐藏的目标和组件方面有显著的改进.
结论:
- 拟议的MRA-YOLOv8方法为基于无人机的输电线路故障检测提供了强大的解决方案.
- 整合注意力机制和优化损失函数可提高检测准确性和可靠性.
- 这种方法有效地提高了电力基础设施维护的效率和安全性.
