复杂背景下电力杆塔部件隐患检测模型研究

来源：电子测量技术杂志2025年第18期北京时间：

作者：梁伦玮，张小栋，胡宇哲，陶庆

单位：1.新疆大学机械工程学院 乌鲁木齐 830047; 2.西安交通大学机械工程学院 西安 710049

摘要：本文基于YOLOv8n模型提出了一种改进的电力杆塔部件隐患检测模型CML-YOLO，旨在解决复杂背景下多尺度电力杆塔部件隐患检测模型精度低、参数量多、计算量高、模型权重大的问题，主要应用于破损绝缘子、锈蚀防震锤和鸟巢等隐患目标的检测。首先，设计了C2f-HEFE模块，通过对检测目标边缘信息增强，提升了背景与目标的区分能力。其次，设计了MSFFPN模块，通过多尺度特征融合，增强了模型对多尺度目标的适应性。最后，设计了轻量化LSBDH模块，降低了模型的参数量和计算量。实验结果表明，CML-YOLO相比基线模型YOLOv8n，平均精度提升了4.4%，参数量、计算量和模型权重分别降低了33.9%、20.9%和26.4%。该模型在提升了检测性能的同时，实现了轻量化，在模型检测精度和模型权重方面实现了较好的平衡。

关键词：电力巡检;YOLOv8;轻量化;特征融合;目标检测

基金资助：自治区“天山英才”科技创新领军人才项目(2023TSYCLJ0051)、陕西省秦创原“科学家+工程师”队伍建设项目(2022KXJ-160)资助