基于改进YOLOv8算法的误撞输电线路珍稀鸟类智能识别

摘要

为有效防治珍稀鸟类误撞输电线路导致的鸟类伤亡与线路跳闸事故，提出一种基于改进YOLOv8模型的鸟类智能识别方法。根据发生撞线事故的鸟类信息及输电线路周边调研结果，构建了包含11种珍稀鸟类的图像数据集，采用加雾加噪操作进行图像增广，用于模拟真实输电线路场景。通过在YOLOv8网络的特征提取部分加入大型分离卷积注意力模块，减少模型参数量，增强模型对于鸟类特征的提取速度；在特征提取和特征融合网络中增加辅助检测头，增强模型对于鸟类特征的学习能力，进而提高检测性能。算例分析表明，改进模型的平均精度均值、F1分数、FPS分别为95.11%、91.55%、138.89，实现了对于误撞输电线路珍稀鸟类的高效准确识别。后续将模型部署在线路杆塔图像采集系统中，可为珍稀鸟类保护与输电线路运维提供技术支持。

关键词

输电线路 / 鸟类识别 / YOLOv8 / 目标检测 / 珍稀鸟类