仪器仪表学报

作者：陈方彬，赵仲勇，王建，胡文杰，张开迪

单位：陈方彬,西南大学工程技术学院重庆400716,,赵仲勇,西南大学工程技术学院重庆400716,zhaozy1988@swu.edu.cn,王建,国网新疆电力有限公司电力科学研究院新疆830046,,胡文杰,西南大学工程技术学院重庆400716,,张开迪,国网重庆市电力公司北碚供电分公司重庆400014,

关键词：YOLOv8s;智能电能表;热缺陷检测;轻量化

基金：中央高校基本科研业务费项目（SWU-KT22027）资助

针对智能电能表及其接线盒热缺陷红外检测中存在的小目标漏检率高、复杂背景干扰严重及现有模型精度与效率难以兼顾等问题，提出了一种基于改进YOLOv8s架构的轻量化智能电能表目标检测算法YOLO-MCSL，旨在满足电力现场巡检对实时检测的迫切需求。首先，将MobileNetV4轻量化网络作为骨干网，显著降低模型参数量与计算开销；其次，引入RT-DETR模型中的CCFF跨尺度特征融合模块，增强对多尺度微小热缺陷的感知能力；随后，设计轻量化C2f_Star模块替代原C2f结构，进一步压缩模型并提升特征提取效率；同时，构建LSCD轻量化共享卷积检测头，通过参数共享机制减少冗余计算；此外，结合Focaler-SIoU损失函数优化边界框回归过程，提升难易样本区分度；最后，应用层自适应幅值剪枝算法对模型进行结构化剪枝，实现性能与轻量化的平衡。基于自建的智能电能表热缺陷红外图像数据集开展实验，结果表明，在3类关键部件：接线盒、电池模块与显示屏的检测中，YOLO-MCSL的检测精度分别达到91.6%、99.2%和99.5%，整体mAP@0.5为97.9%。相比YOLOv8s基准模型，参数量为1.749M，减少了84.3%，计算量为5.7GFLOPs，降低了80.2%，模型内存占用为3.8MB，减少了82.3%。该方法为智能电能表缺陷检测提供了高精度、轻量化、可嵌入部署的解决方案，具备良好的工程应用前景。

来源：2025年第8期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第8期