CSD-YOLOv8的输电线路故障目标检测

摘要

针对无人机巡检输电线路过程中待检测目标受复杂背景干扰、故障目标部分遮挡以及目标多尺度造成传统算法难以准确检测的问题，提出一种基于CSD-YOLOv8的输电线路故障目标检测方法。首先，以YOLOv8网络作为基础框架，并在其主干网络中引入空间金字塔池化将不同尺度特征进行融合；然后，在检测网络头部中引入深度可分离卷积，并将其与交叉卷积连接模块结合，实现对部分遮挡目标的准确检测；此外，设计基于通道注意力机制的特征融合模块对不同层级特征进行加权融合，提高复杂背景下故障目标特征信息提取能力；最后，利用某电力巡检部门近5年的巡检数据对所提出算法进行验证。结果表明：相比于4种经典对比算法，所提方法在对12种故障类型检测效果的综合指标最好，平均检测精度为94.7%,召回率为93.0%。与此同时，所提算法具有较好的实时性，对于分辨率为1 280×720的图像检测速度为45帧/s,为输电线路的智能巡检奠定了坚实的理论基础。

关键词

YOLOv8 / 多尺度检测 / 通道注意力机制 / 特征融合 / 深度可分离模块