基于改进YOLOv8n的输电线路异物实时检测研究.pdfVIP

测控技术

模式识别与人工智能35

2025年第44卷第4期

基于改进YOLOv8n的输电线路异物实时检测研究

焦双健，郭章勇

（中国海洋大学工程学院，山东青岛266100)

摘要：针对输电线路上附着异物容易对周围环境造成污染甚至导致短路停电及发生火灾等问题，提出了

一种基于改进YOLOv8n的输电线路及铁塔异物实时检测算法，采用的基线算法为YOLOv8n，为了提高

对小目标的检测准确率并且提升对复杂背景下异物的检测能力，将原始YOLOv8n算法的检测头改进为

动态检测头DynamicHead,提高了模型对多个维度特征的提取能力与应对不同输入的动态调整能力，将

非极大值抑制（Non-MaximumSuppression，NMS）算法改进为Soft-NMS，提高了模型的泛化能力和整体检

测性能。试验结果表明，改进后的算法检测平均精度均值（meanAveragePrecision，mAP）为95.7%，相

比于原YOLOv8n算法提升了4.4个百分点，在保证可满足实时检测速度的同时实现了较高的检测精

度，具有较好的有效性和实用性。

关键词：深度学习；YOLOv8n；输电线路异物；动态检测头

中图分类号：TP39文献标志码：A文章编号：1000-8829(2025)04-0035-07

doi:10.19708/j.ckjs.2025.04.302

ResearchonReal-TimeDetectionofForeignObjectsonTransmissionLines

BasedonImprovedYOLOv8n

JIAOShuangjian,GUOZhangyong

(CollegeofEngineering,OceanUniversityofChina,Qingdao266100,China)

Abstract:Areal-timedetectionalgorithmforforeignobjectsontransmissionlinesandtowersbasedonim-

provedYOLOv8nisproposedtoaddresstheproblemofenvironmentalpollution,shortcircuits,poweroutages,

andfirescausedbyforeignobjectsattachedtotransmissionlines.YOLOv8nistakenasthebaselinealgorithm.

Inordertoimprovethedetectionaccuracyofsmalltargetsandenhancethedetectionabilityofforeignobjects

incomplexbackgrounds,thedetectionheadoftheoriginalYOLOv8nalgorithmismodifiedtoadynamicdetec-

tionheadDynamicHead,whichenhancestheabilityofmodeltoextractmulti-dimensionalfeaturesanddynami-

callyadjusttodifferentinputs.Thenon-maximumsuppression(NMS)algorithmisimprovedtoSo