一种基于改进YOLOv8的电气设备缺陷检测识别方法

本发明涉及电气设备视觉缺陷检测技术领域，特别涉及一种基于改进YOLOv8的电气设备缺陷检测识别方法，通过将主干网络替换为Swin Transformer，并结合浅层高分辨率特征层与扩张卷积优化小目标细节特征提取，将主干网络中普通卷积替换为深度可分离卷积与Ghost模块实现轻量化设计，形成新的主干网络；同时引入SimAM无参注意力机制，通过空域与通道联合权重动态增强缺陷区域特征响应；在检测头部分设计解耦式检测头，分离分类与回归分支以缓解任务冲突，并且在头部引入CausalDyConv模块增强特征表达的因果推理能力。本发明针对电气设备及输电线路缺陷检测任务中，小目标密集、形态特殊、背景复杂等挑战，在保持检测速度的同时提高检测精度。