一种改进YOLOv11n的电表作业缺陷检测模型

来源：计算机测量与控制杂志2026年第7期北京时间：

作者：董军,钟宝坤,梁诗蔚,吴晓强

单位：广东电网有限责任公司广州供电局

摘要：针对传统电表作业缺陷检测方法检测效率低、检测准确率不足以及深度学习算法对计算资源要求高的问题,提出一种基于改进YOLOv11n的轻量化检测模型。该模型通过使用MobileNetV4替换原主干网络来降低计算冗余,大幅降低模型参数量和计算量；设计LBCFF特征融合网络,在轻量化模型的同时增强模型多尺度特征交互,提升检测精度；并通过引入CGA注意力机制优化C3k2模块,提升模型在复杂背景下的目标区分能力。实验结果表明,改进后模型的mAP达98.1%,较基准模型参数量减少了60.85%、计算量降低47.62%、模型体积压缩51.20%,同时mAP提升1%,并且满足实时检测的要求,证明该模型在保持高精度检测的前提下显著降低资源需求。

关键词：YOLO;深度学习;电表作业;轻量化;注意力机制

基金资助：中国南方电网有限责任公司科技项目(030100KC23110051(GDKJXM20231147))