摘要
本发明涉及人工智能在电力系统中对缺陷目标进行检测和识别技术领域,尤其是涉及一种基于改进YOLOv8在恶劣天气下绝缘子缺陷检测方法。其包括:获取绝缘子缺陷的数据集;所述数据集的样本图像中使用边界框标注有绝缘子及缺陷位置,以及注明图像类别为正常绝缘子或缺陷;利用所述数据集对改进YOLOv8模型进行训练;利用训练好的改进YOLOv8模型对绝缘子图像进行绝缘子缺陷检测;提升算法在绝缘子缺陷检测任务中的有效性和优越性。
技术关键词
绝缘子缺陷
图像类别
天气
卷积模块
融合多尺度特征
训练集
数据
特征加权融合
样本
注意力
分支
绝缘子闪络
更新模型参数
网络
系统为您推荐了相关专利信息
变电站二次设备
故障传播路径
卷积模块
推理规则
故障维修记录
贝叶斯神经网络
智能摄像头
动态电源管理
马尔可夫随机场模型
微光传感器
恒温控制方法
温度预测模型
水池
数据
浮法玻璃生产线
协方差矩阵
机器学习模型
四维变分同化系统
动态
扰动方法