针对输电线路上附着异物容易对周围环境造成污染甚至导致短路停电及发生火灾等问题,提出了一种基于改进YOLOv8n的输电线路及铁塔异物实时检测算法,采用的基线算法为YOLOv8n,为了提高对小目标的检测准确率并且提升对复杂背景下异物的检...针对输电线路上附着异物容易对周围环境造成污染甚至导致短路停电及发生火灾等问题,提出了一种基于改进YOLOv8n的输电线路及铁塔异物实时检测算法,采用的基线算法为YOLOv8n,为了提高对小目标的检测准确率并且提升对复杂背景下异物的检测能力,将原始YOLOv8n算法的检测头改进为动态检测头DynamicHead,提高了模型对多个维度特征的提取能力与应对不同输入的动态调整能力,将非极大值抑制(Non-Maximum Suppression,NMS)算法改进为Soft-NMS,提高了模型的泛化能力和整体检测性能。试验结果表明,改进后的算法检测平均精度均值(mean Average Precision,mAP)为95.7%,相比于原YOLOv8n算法提升了4.4个百分点,在保证可满足实时检测速度的同时实现了较高的检测精度,具有较好的有效性和实用性。展开更多
文摘针对输电线路上附着异物容易对周围环境造成污染甚至导致短路停电及发生火灾等问题,提出了一种基于改进YOLOv8n的输电线路及铁塔异物实时检测算法,采用的基线算法为YOLOv8n,为了提高对小目标的检测准确率并且提升对复杂背景下异物的检测能力,将原始YOLOv8n算法的检测头改进为动态检测头DynamicHead,提高了模型对多个维度特征的提取能力与应对不同输入的动态调整能力,将非极大值抑制(Non-Maximum Suppression,NMS)算法改进为Soft-NMS,提高了模型的泛化能力和整体检测性能。试验结果表明,改进后的算法检测平均精度均值(mean Average Precision,mAP)为95.7%,相比于原YOLOv8n算法提升了4.4个百分点,在保证可满足实时检测速度的同时实现了较高的检测精度,具有较好的有效性和实用性。
