基于深度学习的GIS设备红外目标故障分析方法及系统

本发明公开了一种基于深度学习的GIS设备红外目标故障分析方法及系统，方法包括：通过C2f_SimAM模块与SCConv模块增强YOLOv8模型的特征提取能力，有效改善复杂背景下GIS设备的小目标检测精度；其次，利用DSDC‑ASPP模块与NAM注意力机制优化的DeepLabv3+模型实现设备本体的精细分割，解决传统方法中边界模糊、分割不完整的问题；再次，通过二维Otsu阈值分割算法（2D‑Otsu）精准定位热异常故障区域，避免单一种子点策略导致的漏检问题；最后，引入改进苔藓优化算法实现模型参数的自适应调优，平衡检测精度与推理速度。