计算机工程与应用

作者：刘方轩, 李为相, 肖迪, 宋张民杰, 陈闯

单位：南京工业大学 电气工程与控制科学学院，南京 211816；

关键词：YOLOv11,输电线路,缺陷检测,注意力机制,损失函数

基金：国家自然科学基金（62303217）；江苏省高等学校基础科学（自然科学）研究项目（23KJB510006）；浙江大学工业控制技术全国重点实验室开放课题（ICT2023B34）；寒地建筑综合节能教育部重点实验室开放基金（JLJZHDKF022023009）。

针对输电线路缺陷检测任务中目标尺度多样、背景复杂、目标遮挡，以及现有目标检测算法难以在实时检测的前提下保证检测精度而出现漏检、误检的问题，提出一种改进YOLOv11n的输电线路主要缺陷检测算法。提出了全新的门控混合聚合模块（mixed aggregation network with faster-block and convolutional GLU，MANet-FC），实现了浅层、空间和深层语义的多尺度融合，在保证模型轻量化的同时提高检测速度；使用GOLD-YOLO中的聚集分发机制（gather-and-distribute，GD）与注意力尺度序列融合模块（attentional scale sequence fusion，ASSF）进行创新得到GOLD-YOLO-ASF，有效整合不同尺度的特征信息，提升模型对各种尺寸目标的检测能力；引入多目标注意力检测头（multi SEAM head，MSH），有效提升了模型在遮挡场景下的检测精度与鲁棒性；引入Focaler-ShapeIoU损失函数考虑框的形状匹配关系，同时通过线性区间映射重构原有IoU损失。实验结果表明，改进模型相较于基线模型mAP值提升了5.2个百分点，准确率和召回率分别提升了4.5和3.9个百分点；并且在输电线路金具数据集的实验结果中，所改进模型平均精度均值mAP@0.5相比YOLOv11n提升了3.7个百分点，准确率提升了2.6个百分点，召回率提升了1.9个百分点，较其他主流检测方法能够展现出更优的目标检测性能。

来源：2026年第5期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第5期