用于输电线路缺陷图像检测的改进YOLO模型

摘要

针对输电线路无人机巡检中缺陷尺度变化大、深度学习模型复杂度高和难以实时部署的问题，提出了一种基于改进YOLOv11的轻量化多缺陷图像检测算法。首先，在C3k2中引入小波卷积，形成C3k2＿WT模块，以加强模型面对多尺度目标的检测鲁棒性；然后，使用空间与通道协同注意力SCSA替换PSABlock的注意力层，构成C2PSASCSA模块，以提升多尺度缺陷检测的精度；随后，将广义特征金字塔网络集成至特征融合网络中，以实现高效的多尺度信息融合；最后，采用通道剪枝技术，实现模型的检测精度与复杂度的动态平衡。实验结果表明，该模型在巡检数据集上实现了参数量与GFLOPs下降29%与30%的同时，mAP@0.5达到82.1%，提高了5.2%。在对比实验和消融实验中，模型性能优于YOLOv11n及其他主流模型，说明改进算法具有有效性。

关键词

输电线路 / 无人机巡检 / 轻量化模型 / YOLOv11 / 图像检测 / 缺陷检测