基于改进YOLOv8的变电站典型缺陷自动检测算法
潘昌洋
项导
徐州工程学院信息工程学院(大数据学院) 江苏徐州 221018
摘要：针对变电站缺陷检测任务中复杂场景、目标尺度差异大以及背景干扰多的问题,文章提出了一种改进的YOLOv8算法.在YOLOv8网络结构中融合自注意力机制(self-attention)与多尺度注意力机制(multi-scaleattention),通过捕获特征图中的长距离依赖关系与动态调整多尺度特征权重,增强模型对复杂背景下关键特征的提取能力,并提升小目标检测的精度.为适应变电站缺陷检测需求,构建专业的数据集,并采用自适应训练方法优化超参数设置,提高模型的泛化能力.实验结果表明,改进算法在检测精度和鲁棒性方面显著优于传统YOLOv8算法,尤其在小目标检测和复杂场景下表现出更强的识别能力.
关键词：目标检测YOLOv8自注意力机制多尺度注意力机制变电站缺陷检测
资助基金：江苏省大学生创新创业训练计划项目(202411998062Y)江苏省高校人工智能通识教育教学改革研究专项课题(2024AIGE52)
论文发表日期：2025-07-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 76-80 )