基于HCDNet-YOLO11的输电线路关键部位及缺陷检测算法

来源：电子测量技术杂志2026年第7期北京时间：

作者：崔克彬，吕思怡，杨立然

单位：1.华北电力大学计算机系 保定 071003; 2.复杂能源系统智能计算教育部工程研究中心 保定 071003

摘要：无人机巡检是输电线路检测的重要方式之一。针对现有的输电线路检测算法目标尺度变化大、小目标检测困难、复杂场景下难以有效捕捉缺陷细节等问题，提出一种YOLO11改进模型HCDNet-YOLO11。首先，设计HCDNet网络代替原始的特征金字塔网络，降低模型的参数量，增强模型对不同尺度特征的表达；其次，构建MulCAA注意力模块，通过平均池化和最大池化的双分支结构提取关键信息，减少信息损失，通过长距离像素间的依赖关系削弱复杂背景对检测目标的干扰；最后，引入重参数化卷积RepConv实现Rep_C3k2模块，增强模型的非线性特征建模能力，提升检测精度和推理速度。实验结果表明，HCDNet-YOLO11算法在输电线路自建数据集上准确率提升了1.9%，召回率提升了6.5%，mAP50提升了5.7%，参数量减少了24.42%，该算法在减少参数量的前提下取得了很好的性能。在公共数据集VisDrone2019上，HCDNet-YOLO11算法在val集和test集上mAP50分别提升6.5%和4.6%，验证了其对复杂空域场景的强泛化能力。

关键词：输电线路;HCDNet-YOLO11;多尺度特征融合;注意力机制;重参数化卷积

基金资助：河北省自然科学基金青年科学基金项目(F2024502002)、中央高校基本科研业务费专项资金面上项目(2024MS127)资助