基于改进YOLOv8算法的绝缘子缺陷检测模型

来源：电子测量技术杂志2024年第12期北京时间：

作者：熊炜，黄玉谦，孟圣哲

单位：1.湖北工业大学电气与电子工程学院 武汉 430068; 2.湖北工业大学新能源及电网装备安全检测湖北省 工程研究中心 武汉 430068; 3.美国南卡罗来纳大学计算机科学与工程系 南开罗来纳州 29201

摘要：目前YOLO目标检测算法在绝缘子缺陷检测领域任然是最主流的方法，然而现有的YOLO模型框架参数量庞大导致户外部署难度加大，同时户外拍摄的绝缘子图像背景复杂，其缺陷更是微小导致难以被检测。针对上述问题，本文提出了一种基于YOLOv8n目标检测框架而改进得到的绝缘子缺陷检测模型YOLOv8-GCS，以降低模型的参数量并提高模型的检测精度。首先将模型中的C2f模块换成更加轻量级的Ghost卷积模块，以降低模型的计算量和参数量。然后在主干网络末尾和第二个检测头处加入CoordAtt注意力模块，抑制复杂背景对绝缘子缺陷部位的影响从而提高模型的检测精度。最后再引入一个SPD-Conv模块，让网络模型在二倍下采样的过程中无重要信息的损失同时增强网络模型对重要特征的学习率，进一步提高模型的检测性能。分析实验结果可知，本文算法与基线模型相比mAP50提高了4%，召回率和查全率分别提高了4.7%和1.3%，参数量降低了26.7%，保存结果的权重文件大小降低了1.5 MB，绝缘子破损和闪络缺陷的AP50分别提高了4%和8.1%。

关键词：YOLOv8;Ghost卷积;注意力机制;SPD-Conv;绝缘子缺陷检测

基金资助：国家自然科学基金（62202148）、国家留学基金（201808420418）、湖北省自然科学基金（2019CFB530）、湖北省科技厅重大专项（2019ZYYD020）资助