绝缘子自爆缺陷YOLOv8识别方法仿真.pdfVIP

第42卷第4期算机仿真2025年4月

文章编号：1006-9348(2025)04-0119-05

绝缘子自爆缺陷YOLOv8识别方法仿真

肖英豪，高军伟，薛保国，彭灵利

（广东电网有限责任公司广州供电局，广东广州510000）

摘要：绝缘子缺陷图像会由于自然环境中的光照变化、天气因素以及绝缘子自身的复杂性等因素，影响自爆缺陷识别的效

果。本文提出基于改进YOLOv8算法的绝缘子自爆缺陷识别方法，所提方法在Retinex理论基础上，利用傅里叶变换算法，

将无人机采集到的绝缘子图像信息投影至频域空间，结合同态滤波算法完成了图像色彩、亮度的增强。将可变形卷积神经

网络作为YOLOv8模型的主干网络，引人SCE注意力机制对传统YOLOv8算法实施改进，将模型原始CIoU损失函数替换为

SIoU函数，实现绝缘子自爆缺陷识别。实验表明，所提方法能够在低资源占用的前提下，实现绝缘子自爆缺陷的精准识别，

对智能电网建设推进具有重要意义。

关键词：傅里叶变换；可变形卷积神经网络注意力机制

中图分类号：TP391.4;TP391.9文献标识码：B

SimulationofYOLOv8IdentificationMethod

forInsulatorSelf-ExplosionDefects

XIAOYing-hao,GAOJun-wei,XUEBao-guo,PENGLing-li

(GuangzhouPowerSupplyBureauofGuangdongPowerGridCo.,Ltd.,GuangzhouGuangdong510000,China)

ABSTRACT:Insulatordefectimageswillaffecttheeffectofself-explosiondefectrecognitionduetofactorssuchas

lightchangesinthenaturalenvironment,weatherfactors,andthecomplexityoftheinsulatoritself.Thispaper

proposesaninsulatorself-explosiondefectrecognitionmethodbasedontheimprovedYOLOv8algorithm.Thepro-

posedmethodisbasedontheRetinextheory.TheFouriertransformalgorithmisusedtoprojecttheinsulatorimage

informationcollectedbythedroneintothefrequencydomainspace,andthehomomorphicfilteringalgorithmisusedto

enhancethecolorandbrightnessoftheimage.Thedeformableconvolutionalneuralnetworksareusedasthe

backbonenetworkoftheYOLOv8model,andtheSGEattentionmechanismisintroducedtoimprovethetraditional

YOLOv8algorithm.TheoriginalCloUlossfunctionofthemodelisreplacedbytheSIoUfunctiontorealizetheinsula-