摘要
لمشكلة نقص دقة الكشف الناجمة عن صغر حجم عيوب العازل وضعف خصائصها وسهولة تأثرها بالخلفيات المعقدة في تفتيش نظام الطاقة الكهربائية، تم اقتراح نموذج كشف أهداف YOLOv11n محسن. يعتمد النموذج على دمج 3 استراتيجيات تحسين في الشبكة الرئيسية وشبكة العنق لتعزيز أداء الكشف عن العيوب: إدخال وحدة C3k2_DFF التي تحقق دمج فعال للميزات من خلال الانتباه التلقائي للقنوات والدمج الديناميكي عبر المقاييس؛ تصميم وحدة C3k2_LS التي تعزز الإدراك السياقي العالمي باستخدام مسار الانتباه بالنواة التلافيفية الكبيرة؛ اعتماد عامل التكبير ConverseUp بدلاً من الطريقة التقليدية، مع إعادة بناء نشطة ذات دقة عالية للتفاصيل باستخدام الالتفاف العكسي القابل للتعلم لتقليل فقدان المعلومات. على مجموعة بيانات عيوب العازل الحقيقية، حقق النموذج المحسن مقارنة بالنموذج الأساسي YOLOv11n زيادة في الدقة المتوسطة (AP) لفئة التلف بنسبة 3.2%، وزيادة AP لفئة الأوساخ الوميضية بنسبة 1.1%، وزيادة mAP بنسبة 1.5%، وزيادة الدقة بنسبة 5.7%، واستقرار الاستدعاء، مع المحافظة على دقة الكشف العالية لأهداف العازل، مما عزز قدرة التعرف على العيوب وقدم دعماً تقنياً أكثر موثوقية لأتمتة تفتيش الطاقة الكهربائية.
关键词
كشف الأهداف الصغيرة;YOLOv11;كشف عيوب العازل;دمج الميزات الديناميكي;عامل التكبير
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website