针对输电线路耐张线夹X射线数字成像(X-ray digital radiography, X-DR)图像检测效率较低,且人工识别易受主观因素影响的问题,提出一种基于YOLO-ISC的输电线路耐张线夹压接缺陷检测方法。首先,在YOLOv8的主干网络中引入注意力特征融合(i...针对输电线路耐张线夹X射线数字成像(X-ray digital radiography, X-DR)图像检测效率较低,且人工识别易受主观因素影响的问题,提出一种基于YOLO-ISC的输电线路耐张线夹压接缺陷检测方法。首先,在YOLOv8的主干网络中引入注意力特征融合(iterative attention feature fusion, iAFF)模块,通过逐层融合不同尺度的特征减少信息的丢失;其次,采用SimAM注意力机制、内容感知特征重组算子(content-aware reassembly of features, CARAFE)构建融合网络PANet-SC,增强了缺陷特征的表达能力;最后,将融合后的特征输入检测头YOLO Head进行分类预测。实验结果表明,所用YOLO-ISC模型在检测耐张线夹X-DR图像的平均检测精度(mean average precision, mAP)值达到92.49%,检测速度为23帧/s。针对某类缺陷检测精度不足的问题,讨论模型置信度阈值对实际检测结果的影响,降低模型的误检率。将检测结果与SSD、Faster RCNN、DETR、YOLOv8等算法进行比较,验证所用方法的有效性。展开更多
