一种基于改进YOLOX的电力机器人异常目标检测方法

本发明公开了一种基于改进YOLOX的电力机器人异常目标检测方法。该方法通过获取电力机器人拍摄的图像数据，利用引入多尺度跨级局部网络MS‑CSPNet与小目标解耦检测头的改进YOLOX模型对图像进行处理，实现异常目标的精准检测与定位。MS‑CSPNet通过多路径卷积增强小目标的特征表达能力，解耦检测头结合深度卷积、膨胀卷积和1×1卷积，有效提取上下文与长程依赖信息，实现分类与回归任务分离，提升检测精度。各电力机器人模型基于联邦在线增量学习算法持续优化，支持多终端协同训练，保障数据隐私的同时实现模型自适应更新，广泛适用于电力设备状态监测与故障预警场景。