基于改进YOLOv8n模型的GIS缺陷检测OA
针对气体绝缘开关设备(gas insulated switchgear,GIS)缺陷检测中存在小目标识别困难、特征表达弱及背景干扰明显等问题,本文提出一种融合多层特征交互与注意力调制机制的高精度缺陷检测模型。该模型在特征融合阶段引入注意力尺度序列融合(attention scale sequence fusion,ASF)-YOLO(You only look once)结构,通过空间与尺度特征交互增强多层级特征的表达一致性与细节感知能力。在特征提取中嵌入焦点调制模块,以焦点调制机制实现全局与局部特征的自适应聚合,提升复杂背景下对微小缺陷的敏感度。同时,主干网络集成聚焦线性注意力机制(focused linear attention,FLA),优化通道与空间特征的协同建模,强化关键缺陷区域的细节捕获。实验结果表明,所提模型在检测精度与特征辨识能力上均有显著提升,为电力设备智能缺陷检测提供了高效的解决方案。
李喆;李亮;杨伟东;秦飞;高澜;郝金鹏
宁夏电力能源科技有限公司,宁夏银川750011宁夏电力能源科技有限公司,宁夏银川750011宁夏电力能源科技有限公司,宁夏银川750011宁夏电力能源科技有限公司,宁夏银川750011宁夏电力能源科技有限公司,宁夏银川750011宁夏电力能源科技有限公司,宁夏银川750011
信息技术与安全科学
YOLOv8nFLA注意力机制ASF-YOLO焦点调制模块GIS设备缺陷检测
《宁夏电力》 2026 (4)
P.47-54,8
评论