TFD-YOLOv8:一种用于输电线路的异物检测方法

基于无人机航拍图像的异物检测是输电线路智能巡检中的重要环节。YOLO目标检测算法精度高、速度快,是目前的主流算法。但在进行输电线路异物检测时,由于异物目标尺度多变、特征不显著,易出现误检、漏检等问题,提出一种用于输电线路异物检测的YOLOv8模型(TFD-YOLOv8)。首先,在YOLOv8颈部网络构建双分支下采样模块,截留下采样过程中易丢失的尺度相关细节信息,实现语义信息和细节信息的高效融合,提升不同尺度特征图的信息一致性。然后,在主干网络插入混合增强注意力模块,同时提取图像的全局和局部特征,分别生成空间注意力和通道注意力,得到一个包含局部信息、全局信息、空间信息和通道信息的混合增强注意力,增强网络对目标关键特征的捕捉能力。实验结果表明,与基线模型相比,本文方法的平均检测精度提升了6.7%,准确率和召回率分别提升了12.9%和5.1%,与多个现有目标检测方法相比,该方法在检测精度和复杂度上均具有优势。