来源：期刊VIP网 时间：
作者：蓝贵文;任新月;徐梓睿;郭瑞东;钟展;
单位：桂林理工大学测绘地理信息学院;广西空间信息与测绘重点实验室;
摘要：YOLO系列算法已广泛用于识别电力线路中的各类缺陷目标。由于巡检图像背景复杂、缺陷目标的尺度不一等，直接利用YOLO算法难以有效避免绝缘子闪络、破损等小目标的错检漏检问题。为解决这一问题，在YOLOv8s模型的基础上提出一种轻量化绝缘子缺陷检测算法。在骨干网络中引入双层路由注意力机制（BRA），以提升对全局特征的关注度，抑制背景噪声，降低小目标缺陷的错检漏检率。通过加权双向特征金字塔网络（BiFPN）实现跨尺度特征之间的加权融合，获取各类缺陷更全面的特征信息。重构Neck网络来消除低贡献度的网络节点，在增强检测性能的同时减少了模型的参数量，实现了性能提升和参数效率之间的平衡。实验结果显示，改进后的网络模型平均检测精度达到84.9%，而参数量仅为8.4×106，可实现对绝缘子缺陷的快速准确检测。
关键词：轻量化网络;;YOLOv8s;;绝缘子缺陷;;小目标缺陷检测;;双层路由注意力机制;;加权双向特征金字塔网络;;特征融合
基金资助：国家自然科学基金项目（41861050）
