NRID-YOLO：基于改进YOLOv8的噪声污染下电力绝缘子识别方法
来源：计算机工程与应用杂志2026年第11期北京时间：
作者：徐浩, 应展烽, 葛昊
单位：1.南京理工大学 能源与动力工程学院，南京 210094；2.南京理工大学 瞬态物理全国重点实验室，南京 210094；
摘要：针对噪声污染下绝缘子图像特征表达能力不足导致识别精度低、漏检误检率高和泛化能力弱等问题，提出了一种抗噪识别方法NRID-YOLO（noise robust insulator detector-YOLO）。使用提出的高斯模糊和拉普拉斯锐化自适应复合数据增强方案，降低噪声干扰并增强特征表达能力；结合WTConv（wavelet-Transform convolution）卷积单元集成C2f-WTConv模块，通过小波变换分解图像并针对性处理低频分量，减轻模型复杂度同时分离并强化绝缘子关键特征提取；提出一种ASPP（atrous spatial pyramid pooling）与CBAM（convolutional block attention module）后置融合模块，实现多尺度卷积融合提取特征，并自适应校准通道与空间注意力机制权重，避免模糊导致提取无效特征；引入基于非单调聚焦机制的WIoU损失函数，实时优化损失增益分配，同时结合基于遗传算法的超参数优化策略，提升小目标检测精度和模型鲁棒性。以公开绝缘子数据集为核心并在此基础上进行实验，结果表明，NRID-YOLO的平均精度、准确率和召回率指标达到69.5%、97.6%和85.4%，与基础模型及CDDCR-YOLOv8、YOLOv8xP等改进方法对比而言，均有不同程度提升，为噪声环境绝缘子目标识别提供了高精度解决方案。
关键词：噪声污染,绝缘子识别,小波变换,YOLOv8
基金资助：国家重点研发计划项目（2024YFB4207000）。
