基于改进YOLOv8n的电力设备表面缺陷检测研究

来源：计算机测量与控制杂志2026年第2期北京时间：

作者：李金顺,骆斌,吴抒源,孙雪,张革,张铎瀚,王浩宇

单位：国网天津市电力公司城南供电分公司

摘要：针对当前电力设备缺陷检测存在图像背景复杂、检测精确度低和识别效果差等问题，提出一种基于改进YOLOv8n的电力设备表面缺陷检测方法。该方法在C2f模块中引入SaE注意力机制，增强主干网络对关键缺陷特征提取能力；在颈部网络采用BiFPN优化特征融合层，实现特征的跨尺度融合，提升了模型多尺度缺陷检测性能；设计融合MSDA注意力机制的M-Detect检测头，强化模型对目标定位的精度；使用WIoU作为损失函数，提升模型对困难样本的检测性能。实验结果表明，改进后模型的mAP达到83.8%，较原始YOLOv8n模型提升1.7%，且满足实时检测要求，证实了该方法在电力设备表面缺陷检测的有效性。

关键词：深度学习; YOLOv8; 电力设备; 表面缺陷检测

基金资助：国网天津市电力公司科技项目