基于特征增强的输电线路航拍小目标异物检测算法研究

摘要

输电线路异物因体积小、特征弱，在无人机航拍巡检图像中占比极低（0.01%～0.1%像素），易在下采样中被背景噪声淹没，导致传统检测算法漏检率高、识别不稳定。为此，提出基于改进YOLOv8x的航拍输电线路小目标异物快速检测模型：主干网络引入P6多尺度特征层与集成Swin Transformer的C3STR模块，增强小目标全局上下文表达；采用DWConv与Focus轻量化结构降低计算量，提升推理速度；针对样本不均衡问题，引入ATFL自适应阈值焦点损失函数强化困难及小样本类别学习。实验表明，改进模型平均识别精度提升17.9%，小目标及模糊目标检测性能显著增强，且保持实时性，可为输电线路智能运维提供可部署的技术方案。

关键词

航拍目标检测 / 深度学习 / 输电线路巡检 / 小目标检测 / 计算机视觉