SODD-YOLOv8：一种基于特征增强和可变行卷积的绝缘子缺陷检测算法

摘要 为了解决输电线路绝缘子缺陷图像中的检测挑战，包括微小物体尺寸、显著的尺度变化、多种多样的缺陷以及复杂的背景干扰。本研究提出了一种改进的绝缘子缺陷检测算法，基于YOLOv8s框架，并结合特征增强和可变形卷积技术。首先，为了解决航拍造成的图像特征失真问题，引入了可变形卷积特征提取模块（DCFEM），该模块旨在增强模型适应局部几何变形的能力，以有效恢复图像中失真的特征信息。此外，为了增强模型对小物体的检测能力，设计了小物体特征增强模块（SOFEM），该模块采用高效的多尺度注意力机制，旨在增强小物体的特征提取能力，提高对小尺寸缺陷的敏感性，并提高检测精度。最后，为了优化模型的计算效率，提出了平均池化-稀疏卷积-批归一化模块（ASCBN）。该模块结合平均池化、稀疏卷积和批归一化技术，以实现轻量模型的同时保持高水平的特征提取能力。在CPLID数据集上的实验结果表明，改进的模型在mAP指标上比YOLOv8s提高了4.3个百分点，同时模型的参数数量减少了10%。该方案不仅提高了缺陷检测的准确性和效率，还减少了对计算资源的需求，从而为实际应用中的绝缘子缺陷检测提供了更可靠和高效的解决方案。