激光与红外

作者：许志浩

单位：1.华中科技大学 电气与电子工程学院,湖北,武汉 430074；2.江西水利电力大学 电气工程学院,江西 南昌 330099；3.国网吉林省电力有限公司超高压公司,吉林 长春 130021；4.江西博微新技术有限公司,江西 南昌 330096；

关键词：变电设备;红外目标识别;YOLOv8;GhostNetV2;平均精度均值

基金：国家自然科学基金项目(No.62202347)；江西省教育厅青年项目(No.GJJ201927)资助。

巡检机器人拍摄的变电设备红外图像往往具有背景复杂、目标重叠、截断以及远处目标尺度小等特点,识别难度较大,因此本文提出一种改进YOLOv8的变电设备红外图像目标识别模型。首先,引入Soft_NMS减少重叠目标丢失问题；其次,在颈部网络添加多维协作注意力机制MCA,使网络聚焦于相关的特征区域,并采用Inner-IoU和Focal loss混合损失函数,增强模型对小尺度目标的泛化能力以及对高质量锚框的关注度；最后,采用GhostNetV2模块对模型进行轻量化设计。通过实验表明,本模型较YOLOv8n基准模型,平均精度均值mAP@05提升49、模型参量减少362、检测速度达到1601FPS,有效提高了模型的识别能力和轻量化水平,为后续的变电设备故障诊断提供基础。

来源：2026年第2期

《激光与红外》期刊编辑部

查看激光与红外杂志2026年第2期