基于改进YOLOv8的电站安全检测模型研究

冯浩源,王文煊,曹钰婷,康倩倩,郑红

(华东理工大学 信息科学与工程学院,上海 200237)

摘要:电力设备的电气安全对电力企业的可持续发展至关重要。然而,配电站工作人员的部分行为(如吸烟等)已构成不容忽视的安全隐患。为解决这一问题,提出一种基于改进YOLOv8的电站安全检测模型,将多分支多尺度特征提取结构集成至C2f模块,应用于配电站吸烟检测任务。实验结果显示,对比基准YOLOv8n模型,改进模型的mAP提升了1.86个百分点, precision提升了6.31个百分点, FPS相对提升了91.9%;表明改进模型在配电站吸烟检测任务中兼具检测精度与推理效率的优势。改进模型在检测不安全行为方面的优势,有助于减少安全事故的发生,保障电力设备的稳定运行,推动电力行业的可持续发展。

关键词:YOLOv8;安全检测;电站;深度学习