一种基于改进Yolov11n模型输电线路缺陷检测方法

AITNT
正文
推荐专利
一种基于改进Yolov11n模型输电线路缺陷检测方法
申请号:CN202510854540
申请日期:2025-06-24
公开号:CN120765569A
公开日期:2025-10-10
类型:发明专利
摘要
本发明公开了一种基于改进Yolovlln模型输电线路缺陷检测方法;首先,将缺陷图像训练数据集输入改进Yolovlln网络模型进行训练,得到目标检测模型;再由摄像头采集实时视频图像信息,并将其发送到缺陷检测单元;最后,由缺陷检测单元中的目标检测模块得到缺陷类别和位置识别结果;Yolovlln的改进方法为,损失函数CIoU替换为ShapeIoU;优化器SGD替换为AdamW;对于Backbone主干网络中的结构,将C3k2模块替换为C3k2‑H模块;将C2PSA中的PSA注意力机制替换为BRA注意力机制;将原有的Yolo检测头替换成任务动态对齐检测头,提高模型在多尺度目标上的识别能力。本发明采用的缺陷检测方法能够准确、高效地检测输电线路中的各种异常缺陷,具备较强的实用性和应用前景。
技术关键词
缺陷检测单元 注意力机制 输电线路缺陷 检测头 光伏电池缺陷 检测输电线路 实时视频图像 缺陷检测方法 模型训练方法 网络 缺陷类别 位置识别 模块 训练集 复杂度 动态 数据
系统为您推荐了相关专利信息
1
基于小样本学习的跨域高光谱图像精准分类方法
样本 注意力机制 嵌入特征 K近邻算法 数据
2
一种危险动作检测方法及相关装置
动作检测方法 动作检测模型 时空图卷积神经网络 关节点 动作检测装置
3
一种基于策略梯度优化的文本嵌入联合训练方法
联合训练方法 前馈神经网络 文本 编码器 策略
4
一种基于迁移学习与注意力机制的青藏草地碳通量估算方法
碳通量估算方法 注意力机制 驱动特征 深度学习模型 生态系统监测技术
5
一种基于多通道特征融合与多尺度卷积网络的汽轮机叶片故障诊断方法
汽轮机叶片 多通道特征融合 故障诊断方法 故障诊断模型 卷积模块
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