電力システムの巡検において、絶縁子の欠陥が微小で特徴が弱く、複雑な背景によって影響を受けやすく検出精度が不足する問題に対し、改良されたYOLOv11n物体検出モデルを提案する。本モデルはバックボーンとネックネットワークに3つの最適化戦略を導入し、欠陥検出性能を向上させる：適応的チャネルアテンションとクロススケール動的重み付け融合を実現するC3k2_DFFモジュールの導入；大きな畳み込みカーネルアテンション経路を活用してグローバルコンテキスト認識を強化するC3k2_LSモジュールの設計；従来の方法に代わり、学習可能な逆畳み込みに基づいて高解像度ディテールを能動的に再構築し情報損失を低減するConverseUpアップサンプリング演算子の採用。実際の絶縁子欠陥データセットにおいて、改良モデルはYOLOv11nベースモデル比で、損傷クラスの平均精度（AP）を3.2％向上させ、フラッシュ汚染クラスAPを1.1％向上、mAPを1.5％向上、精度を5.7％向上させ、リコールは安定しつつ絶縁子対象の高精度検出を維持した。欠陥認識能力を効果的に強化し、電力巡検の自動化により信頼性の高い技術的支援を提供する。

小物体検出;YOLOv11;絶縁子欠陥検出;動的特徴融合;アップサンプリング演算子