YOLOv8-无人机协同的输电线路实时缺陷检测方法OA

针对输电线路中细小缺陷容易漏检的问题,本文提出了一种YOLOv8-无人机协同的输电线路实时缺陷检测方法.采用高斯滤波对采集的图像进行预处理,将处理后的图像输入YOLOv8模型中,以提取输电线路多尺度特征.引入全维度动态卷积(Omni-Dimensional Dynamic Convolution,ODConv)和坐标注意力(Coordinate Attention,CA)机制模块,前者用于获取不同跨度和尺度的输电线路缺陷特征,后者用于增强小目标缺陷特征表达.设计结构化交并比(Structured Intersection over Union,SIoU)损失函数,在现有边框回归损失函数的基础上,根据检测边框回归样本自身的形状与尺度来计算损失,得到最终的输电线路缺陷检测结果.试验结果表明,采用本文方法,可检测到绝缘子放电痕迹和塔杆上的鸟巢,置信度均在0.9以上,未出现细小缺陷的漏检问题.同时,本文方法的平均精度均值(mean Average Precision,mAP)为91.3%,对不同输电线路缺陷的综合检测能力较强.