一种基于双机制优化算法DMO-YOLOv8的绝缘子缺陷识别方法及系统

AITNT
正文
推荐专利
一种基于双机制优化算法DMO-YOLOv8的绝缘子缺陷识别方法及系统
申请号:CN202510277572
申请日期:2025-03-10
公开号:CN120147286A
公开日期:2025-06-13
类型:发明专利
摘要
本发明涉及电网运维技术领域,公开了一种基于双机制优化算法DMO‑YOLOv8的绝缘子缺陷识别方法及系统,包括:将绝缘子图像输入至DMO‑YOLOv8模型,得到绝缘子缺陷识别结果;DMO‑YOLOv8模型为改进的YOLOv8模型,包括输入层、主干网络、颈部网络和检测头,颈部网络包括EMCG特征提取模块;检测头为分类权重检测头。本发明通过改进YOLOv8模型,使得改进得到的DMO‑YOLOv8模型中的颈部网络包括EMCG特征提取模块,而检测头则为分类权重检测头,不仅可实现对输电线路绝缘子缺陷的准确及高效识别,而且还解决了面对多缺陷时存在漏检的问题,有利于推广应用。
技术关键词
特征提取模块 绝缘子缺陷 检测头 识别系统 网络 机制 计算机可执行指令 算法 分支 输电线路绝缘子 电网运维技术 卷积模块 图像获取模块 处理器 计算机设备 识别模块 参数
系统为您推荐了相关专利信息
1
基于金字塔策略加速PINN-DIC的图像优化处理方法
散斑图像 分辨率 策略 图像金字塔 像素点
2
一种基于卷积神经网络的食品包装完整性检测方法和系统
食品包装 贝叶斯决策理论 深度强化学习算法 注意力机制算法 关键区域信息
3
一种CFRP雷击后完整性分析方法及系统
完整性分析方法 人工神经网络 FTIR光谱仪 数据输入模块 电数字数据处理技术
4
一种基于IPDSCS和Swin Transformer的轴承故障抗噪性诊断方法
轴承故障诊断 注意力机制 深度学习网络 特征提取模型 诊断方法
5
基于跨尺度算子学习的垂直累积液态含水量预测方法与装置
序列 学习器 多模态 解码器 非线性
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号