В связи с проблемой недостаточной точности обнаружения из-за мелких размеров дефектов изоляторов, слабых признаков и легкого воздействия сложного фона при инспекции электроэнергетической системы, предлагаем улучшенную модель обнаружения объектов YOLOv11n. Модель внедряет три оптимизационные стратегии в основную и шейную сети для повышения производительности обнаружения дефектов: введен модуль C3k2_DFF, обеспечивающий эффективное слияние признаков через адаптивное канальное внимание и динамическое взвешенное слияние между масштабами; разработан модуль C3k2_LS с вниманием крупного свёрточного ядра для усиления восприятия глобального контекста; используется оператор подъёма ConverseUp вместо традиционного, который на основе обучаемого обратного свёртывания активно восстанавливает детали высокого разрешения, снижая потерю информации. На реальном наборе данных дефектов изоляторов улучшенная модель по сравнению с базовой YOLOv11n показала повышение средней точности обнаружения (AP) дефектов повреждения на 3,2%, AP загрязнения вспышкой на 1,1%, mAP на 1,5%, точности на 5,7%, стабильное значение полноты, при сохранении высокой точности обнаружения изоляторов, что эффективно повышает способность распознавания дефектов и обеспечивает более надежную техническую поддержку автоматизации электроэнергетической инспекции.

Обнаружение мелких целей;YOLOv11;Обнаружение дефектов изоляторов;Динамическое слияние признаков;Оператор подъёма