基于改进YOLOv8的220kV输电线路缺陷检测模型

摘要

随着电力系统的快速发展，输电线路缺陷检测对保障电网安全稳定运行至关重要。针对传统检测方法在复杂环境下精度不足、泛化能力弱的问题，本文提出一种基于改进YOLOv8的220kV输电线路缺陷检测模型。首先，采用幻影卷积（Ghost convolution,GhostConv）替换标准卷积，在保证特征提取能力的同时显著降低模型参数量；其次，结合空间通道重组卷积（Spatial and channel reconstruction convolution,ScConv）优化特征冗余问题，提升模型计算效率；最后，引入多尺度注意力模块（Multi-scale attention module,MSAM），通过融合不同尺度的上下文信息，增强关键特征的表达能力。实验结果表明，改进后的模型平均精度均值（Mean average precision,mAP）达到91.8%，较原始YOLOv8提升2.8个百分点，较YOLOv9c提升1.4个百分点，且检测速度满足实时性要求。本研究为复杂场景下的输电线路缺陷检测提供了高效可靠的解决方案，具有一定的工程应用价值。

关键词

输电线路缺陷检测 / YOLOv8 / 幻影卷积 / 空间通道重组卷积 / 多尺度注意力

基金资助

国家电网科学技术项目（SGLNAS00HLJS2200896）