简介这份PDF文档围绕无人机巡检场景下的电力设备缺陷检测与定位展开以YOLOv11单阶段目标检测算法为核心面向电力运维人员、算法工程师及相关专业学生系统梳理从数据构建、模型优化到实际落地的完整技术链路。文档共39页压缩包内含1个PDF文件大小约2.2MB支持目录章节跳转与大纲定位排版清晰。文档从传统人工/直升机巡检的局限出发详解YOLOv11的网络结构、工作原理并给出电力设备缺陷数据集构建、骨干/颈部/检测头优化、模型量化压缩等策略同时配有代码实现、实验评估Precision、Recall、mAP及变电站、输电线路、分布式能源电站等实际案例方便读者快速掌握缺陷检测与定位的部署思路。已有151人学习下载适合希望用高效目标检测方案替代低效巡检方式的读者参考学习。1. 无人机巡检遇上 YOLOv11电力设备缺陷检测为什么难无人机拍回来的巡线照片真正让人头疼的不是看不看得清而是看不过来。一条 220kV 线路几千基塔绝缘子破损、销钉缺失、防震锤滑移同一种缺陷在画面里可能只有几十像素和导线、塔材的背景混在一起。YOLOv11 在这里做的事情可以拆成两半先判断缺陷类别再把缺陷位置框准。很多团队跑通检测容易卡在定位优化上——框偏半个身位地面检修人员到了现场还是得重新找。这篇笔记就按数据准备、训练调参、推理部署这条线把 YOLOv11 落到电力设备缺陷检测的实际流程里适合给无人机巡检做算法落地的工程师也适合刚接触 YOLO 系模型想少走弯路的人。2. YOLOv11 的网络结构改动哪些设计真正服务定位优化先别急着拿 yolo11n.pt 直接开训。如果连 YOLOv11 相对上一代改了什么都不清楚后面调损失函数、调 imgsz 都像在摸黑。Ultralytics 在 YOLO11 里把 backbone 和检测头都做了调整对电力设备这种小目标密集、背景复杂的场景有几个改动是值得为它买单的。2.1 C3k2 与 C2PSA对电力小目标的特征提取差异YOLOv11 的 backbone 用 C3k2 替换了 YOLOv8 里的 C2f。C3k2 本质上是把原来并行分支的 C2f 改成两个串接的 bottleneck结构更规整理论计算量也降了一些。听起来像反向优化但实际训练时参数量减少并不等于精度下降配合后续的注意力模块反而让模型更容易在浅层保留小目标的边缘细节。电力巡检图像的背景大多是导线、绝缘子串和塔材纹理密集如果 backbone 一味追求深层语义浅层的销钉、防震锤细节会被池化和卷积一点点抹掉。另一个值得关注的是 SPPF 后面接的 C2PSA也就是位置敏感注意力。C2PSA 的处理方式是先做空间池化再用注意力机制整合全局上下文。对巡检场景来说防震锤滑移这种缺陷往往只占几十个像素但它和导线之间的相对位置关系才是判断“滑没滑”的关键。C2PSA 能把这些局部特征和整条导线的走向关联起来比单纯堆卷积层的效果好不少。社区里像 HCANet 这类给 YOLOv11 加注意力头的小目标改进思路也是在加深浅层特征对目标的响应本质和我上面说的 C2PSA 是同一个方向。再就是检测头从 anchor-based 换成了 anchor-free。YOLOv11 的检测头直接回归目标中心点和宽高不再依赖预设锚框。对电力设备这种目标尺寸跨度极大的场景anchor-free 的好处很明显销钉可能只有十几像素绝缘子破损却可能占据半张图预设锚框很难同时覆盖这两种尺度而 anchor-free 的候选分布更灵活。代价是回归分支对小目标的偏移更敏感这也是后面要专门做定位优化的原因。环境配置这里插一句装 ultralytics 时我习惯先把 torch 和 CUDA 版本对齐再装包不然训练时突然炸一个 CUDA error排查起来比标注还费时间。2.2 用 YAML 搭一个电力缺陷检测配置三个关键参数训练 YOLOv11 的第一步不是改模型结构而是把数据集描述文件写对。常见做法是新建一个 electric_power.yaml里面只放路径、类别数、类别名结构非常简单。# electric_power.yaml —— 无人机巡检缺陷检测数据集描述 path: ./datasets/electric_power train: images/train val: images/val nc: 4 names: 0: insulator_break # 绝缘子破损/自爆 1: pin_missing # 销钉缺失 2: damper_slip # 防震锤滑移 3: foreign_object # 异物悬挂path、train、val 这三个字段决定训练时去哪里找图片。最容易翻车的是类别顺序一旦用这个文件开始训练names 的顺序就固定了训练中途再调整类别索引之前标注的 txt 和训练权重全部作废。我一般会在项目开始的第一天就把类别清单定死后面只加样本不加类别。数据集文件准备好之后训练命令里真正影响电力缺陷检测效果的是下面这几个参数。yolo detect train modelyolo11n.pt dataelectric_power.yaml \ imgsz1280 batch8 epochs150 \ patience30 close_mosaic10 \ projectruns/train_exp nameelectric_v11nmodelyolo11n.pt 里的 n 代表 nano。选 nano 不是因为算力不够而是因为这种模型最终大概率要部署到 Jetson 这类边缘设备上。如果服务器显存足够可以换 s 或 m 先跑一版看精度上限但最后上线还是要回到小模型。imgsz1280 是小目标优化里最重要的参数没有之一。640 输入下销钉可能只有 2 到 3 个像素1280 下至少能看到形状。代价是显存占用涨到 4 倍batch 8 是 8G 显存比较稳的起点如果 OOM 就降到 4。close_mosaic10 表示最后 10 个 epoch 关闭 mosaic 增强因为 mosaic 拼接大图时容易把销钉这类小目标截断或缩小最后阶段关掉让模型回到真实分布上精调。2.3 训练前先看网络长什么样可视化与参数量配置写完之后不要急着开训先用几行 Python 看一眼网络结构确认模型加载正常。from ultralytics import YOLO # 加载预训练权重n 是 nano 版本 model YOLO(yolo11n.pt) # 打印每一层的参数量、FLOPs以及总的模型信息 model.info() # 直接打印模型对象看 C3k2、SPPF、C2PSA 的排列顺序 print(model.model)model.info() 会输出层数、参数量和 GFLOPs这些数字可以帮你快速判断模型是否适合边端部署。打印 model.model 则能看到整个网络的模块排列确认 backbone 部分确实按 C3k2、SPPF、C2PSA 的顺序组织。这一步的另一个作用是排除环境问题如果模型加载成功说明 ultralytics 环境没问题后面训练报错就不会怀疑是安装不完整。如果手里有白天和夜间的红外图像建议分开训练或做风格迁移不要混在一个数据集里。YOLOv11 结构再强也架不住同一类缺陷在可见光和热成像里长得完全不一样。3. 无人机巡检数据怎么喂给 YOLOv11VOC 转 YOLO 的脚本与裁切细节模型结构只是起点电力巡检项目里真正花时间的往往是数据。无人机拍回来的原始照片普遍是 4000x3000 甚至更大直接缩到 640 输入等于把销钉摁成几个像素。所以整个数据链路一般是先滑窗裁切再标注再转成 YOLO 格式的 txt。很多人跳过裁切直接标注后面训练时才发现小目标根本学不出来又回头补数据白白浪费两周。3.1 滑窗裁切防止绝缘子小目标在缩略图里消失裁切这一步的目标很简单让每个缺陷在输入图片里至少占 24 到 32 个像素。以 4000x3000 的原始图为例如果 patch 大小是 1280原图被切成大约 10 块缺陷在 patch 里的尺寸比直接缩小整图要大得多。加上 overlap 是为了避免目标恰好落在切缝上被截成两半。import cv2 import os INPUT_DIR raw # 无人机原始图片目录 OUTPUT_DIR crops # 裁切后的图片目录 PATCH_SIZE 1280 # 切块边长 OVERLAP 200 # 相邻切块的重叠像素建议不小于最大目标尺寸 os.makedirs(OUTPUT_DIR, exist_okTrue) for name in os.listdir(INPUT_DIR): img cv2.imread(os.path.join(INPUT_DIR, name)) if img is None: continue h, w img.shape[:2] idx 0 for y in range(0, h, PATCH_SIZE - OVERLAP): for x in range(0, w, PATCH_SIZE - OVERLAP): y2 min(y PATCH_SIZE, h) x2 min(x PATCH_SIZE, w) crop img[y:y2, x:x2] cv2.imwrite(f{OUTPUT_DIR}/{name[:-4]}_{idx}.jpg, crop) idx 1这段代码按步长 PATCH_SIZE - OVERLAP 滑动保证相邻切块之间有重叠区域。OVERLAP 设为 200意味着如果一个缺陷恰好横跨两个切块至少有一个切块里保留它的完整形状。裁切之后标注工作量确实会增加我一般会选择先在大图上标注再写一个切块坐标换算脚本把标注框映射到每个 patch 上而不是让人对着几百张小图重新标。换算方式很简单记录每个 patch 左上角的原图坐标 (ox, oy)标注框的 x1、y1、x2、y2 分别减去 ox、oy就是 patch 内的坐标越界的部分裁掉。3.2 VOC XML 转 YOLO TXT脚本与归一化细节标注工具导出的格式多半是 VOC XML而 YOLOv11 训练需要的是 txt。转换脚本是固定套路但里面的细节决定标签有没有埋雷。import xml.etree.ElementTree as ET import os class_map { insulator_break: 0, pin_missing: 1, damper_slip: 2, foreign_object: 3, } def convert(xml_path, out_dir): tree ET.parse(xml_path) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in class_map: continue cls_id class_map[name] box obj.find(bndbox) x1 float(box.find(xmin).text) y1 float(box.find(ymin).text) x2 float(box.find(xmax).text) y2 float(box.find(ymax).text) # 越界坐标收敛到图片范围内 x1 max(0.0, min(x1, w - 1)) y1 max(0.0, min(y1, h - 1)) x2 max(0.0, min(x2, w - 1)) y2 max(0.0, min(y2, h - 1)) if x2 - x1 1 or y2 - y1 1: continue # YOLO 格式类别 中心点坐标 宽高全部归一化到 0~1 cx (x1 x2) / 2 / w cy (y1 y2) / 2 / h bw (x2 - x1) / w bh (y2 - y1) / h lines.append(f{cls_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) if lines: out_name os.path.basename(xml_path).replace(.xml, .txt) with open(os.path.join(out_dir, out_name), w) as f: f.write(\n.join(lines))这段脚本把 VOC 的 x1y1x2y2 转成 YOLO 的中心点加宽高格式同时做了两层保护坐标越界收敛、宽高小于 1 像素的标注直接丢弃。这两个坑很隐蔽标注时手抖画出的框可能超出图像边缘如果不过滤训练时 YOLOv11 会学到错误的边界回归。转换完不要急着训练把每个 txt 画回对应图片上肉眼过一遍尤其是裁切后的 patch经常出现坐标偏移导致框错位的问题。3.3 类别平衡与样本选择销钉样本少怎么办电力设备缺陷数据集有一个天然的问题正常图片大量存在缺陷样本少且分布极不均匀。绝缘子破损可能有好几千个框销钉缺失只有一两百个。遇到这种长尾分布我最先做的不是改损失函数而是先统计一下各类别的标注数量。import os from collections import Counter counter Counter() for txt in os.listdir(labels/train): with open(os.path.join(labels/train, txt)) as f: for line in f: cls_id int(line.split()[0]) counter[cls_id] 1 for cls_id in range(4): print(fclass {cls_id}: {counter[cls_id]})这个统计结果直接决定数据策略。如果销钉缺失只有几十个框调 loss 权重是杯水车薪优先补样本哪怕从历史巡检视频里逐帧截取也比硬训强。另一个常见做法是复制粘贴增强把标注出来的销钉缺失实例从原图上抠出来随机贴到没有缺陷的塔材背景上同时生成对应的标注。这种增强能显著提升小样本类别的召回率但要注意粘贴时不要扭曲目标否则模型学到的形状就变了。此外务必备 10% 到 20% 完全没有缺陷的正常图片作为负样本否则模型会学会“看到绝缘子串就报缺陷”实际巡检时误报刷屏。4. 训练与定位优化损失函数、NMS 阈值和 imgsz 的联合调参数据准备好之后训练阶段的定位优化是另一个大头。YOLOv11 默认的损失函数和推理参数是为通用目标检测设计的电力巡检里的小目标、密集目标、弱纹理目标都会让默认配置翻车。这一章的调参顺序我一般按“损失函数 → NMS → 输入分辨率”来推进每一步都有明确的验证指标。4.1 把默认 CIoU 换成 Wise-IoU定位框偏移的血泪经验训练前期最常见的现象是绝缘子破损能识别但框总是贴在缺陷边上IoU 只有 0.5 左右。问题出在默认的 CIoU 损失对极小目标的回归不够敏感。YOLOv11 官方并没有原生的 Wise-IoU 开关社区改进模型时最常见的套路是直接改 ultralytics 的损失函数代码把 bbox_iou 的 CIoU 分支替换成 WIoU。# 常见做法在 ultralytics/utils/metrics.py 的 bbox_iou 基础上增加 WIoU def wise_iou(pred, target, alpha1.0, delta0.7): WIoU v3 的简化理解用离群度动态降低低质量样本的梯度权重。 alpha 控制整体缩放delta 控制对离群样本的抑制程度。 训练阶段和验证阶段必须保持同一套 iou 计算否则 loss 降了 mAP 不涨。 # 实际工程中把 wise_iou 的实现粘贴到这里 # 返回 iou 和 wiou_loss pass替换位置一般在 ultralytics/utils/loss.py 的 BboxLoss 类里把原来调用 bbox_iou(..., CIoUTrue) 的地方改成调用 wise_iou。alpha 和 delta 两个参数按数据集调节我习惯从 alpha1.0、delta0.7 起步。delta 越大对难样本的抑制越强但如果电力数据里本身就有大量模糊目标delta 太大会导致模型直接忽略它们反而掉召回。项目里常见的坑是只改了训练损失没改验证指标结果训练 loss 降得漂亮验证 mAP 纹丝不动这种翻车最容易让人怀疑人生。4.2 NMS 与置信度阈值巡检误检和漏检的取舍训练结束后推理阶段的 NMS 参数会二次筛选定位结果。电力巡检和通用目标检测的取舍完全不一样通用场景追求召回巡检场景更看重误检率因为误报会直接生成错误的工单。默认的 conf0.25 在巡检图片上会输出大量低置信度框我一般会把 conf 提到 0.4 到 0.5。参数建议值作用conf0.4~0.5过滤低置信度检测框降低误报iou0.4~0.5控制重叠框的合并力度max_det300单张图片最多保留的检测框数iou 阈值也很关键。绝缘子串上多个破损挨得很近默认 iou0.7 时相邻的两个框可能被合并成一个看起来像是漏检但 iou0.3 又会让同一个缺陷重复输出三四个框。我一般从 0.45 开始如果发现重复框多就降到 0.4如果发现漏检多就升到 0.5。这个参数在预测命令里直接传。yolo predict modelruns/train_exp/electric_v11n/weights/best.pt \ sourcetower_007.jpg conf0.4 iou0.45 \ save_txtTrue save_confTruesave_txtTrue 会把检测结果保存成 YOLO 格式的 txtsave_confTrue 表示每一行末尾附上置信度方便后续按阈值二次筛选。保存推理结果的路径默认在 runs/detect/predict里面是可视化图和 labels 目录这是部署到巡检系统前最常用的输出形式。4.3 小目标优化三件套imgsz、mosaic 与时序增强换完损失函数再回头调数据增强这一步对小目标的提升通常比换模型更明显。我的固定组合是imgsz 提到 1280mosaic 在最后 10 个 epoch 关闭同时把多尺度增强的范围调大一点。下面是一个自定义超参数文件的例子。# hyp_electric.yaml —— 放在项目目录训练时用 hyp 参数引用 mosaic: 1.0 scale: 0.5 fliplr: 0.5 close_mosaic: 10训练命令里加上 hyphyp_electric.yaml 即可。fliplr0.5 意味着水平翻转增强概率为 50%对无人机巡检图适用因为绝缘子串和塔材左右翻转后仍然是合法目标。scale0.5 表示缩放增强范围目标会被随机缩放 0.5 倍。如果数据集里小目标已经很多scale 可以适当调小避免把目标缩得更小。另一个值得尝试的是时序增强。无人机巡检时同一基塔会有多张不同角度的照片可以把同一个缺陷在不同帧里的实例作为同一类样本重复训练。这相当于免费的样本扩充而且能让模型对视角变化更鲁棒。如果是视频巡检数据还可以用相邻帧做轻微的随机平移模拟抖动效果和复制粘贴增强类似但实现起来更简单只需要在读取训练图片时做随机偏移。5. 推理与部署避坑保存结果、Jetson Nano 落地与常见翻车训练完模型只是开始巡检项目真正要解决的是“模型在边缘设备上稳定输出结果”。无人机巡检的推理场景分两种一是巡检结束后在服务器上批量跑历史图片二是机载或者地面站实时推理后者经常落在 Jetson Nano 这类设备上。两种场景的代码写法有差异坑也不一样。5.1 预测后保存结果单张图片和视频巡检的保存写法批量保存推理结果的代码很短但参数选择会影响输出格式和内存占用。from ultralytics import YOLO model YOLO(runs/train_exp/electric_v11n/weights/best.pt) # 单张图片同时保存可视化图和标签文件 results model( tower_007.jpg, conf0.4, iou0.45, saveTrue, save_txtTrue, save_confTrue, projectinfer, nametower_007, ) # 视频巡检按帧推理并保存streamTrue 降低内存占用 model( patrol_video.mp4, conf0.4, saveTrue, save_txtTrue, streamTrue, )单张图片的保存结果会输出到 infer/tower_007/labels 目录每一行对应一个检测框包含类别、中心点、宽高和置信度。视频推理时 streamTrue 让 ultralytics 按帧读取而不是一次性把整个视频载入内存否则一条十几分钟的巡检视频就能吃掉几个 G 内存。输出的 labels 文件是逐帧生成还是按视频合并取决于项目现状我一般会让后端直接读帧号方便后续和目标跟踪模块联动。如果是为了全航线自动巡检航线重叠率建议按 70% 到 80% 规划保证同一缺陷至少出现在两张相邻照片里推理端再配合目标跟踪把重复告警去掉。检测做的是单帧定位跟踪做的是时间维度去重两者配合才不会让后台被告警刷屏。5.2 常见问题排查黑屏、漏检和框偏的五条实录这一节记录的是我实际踩过的坑每一条都按现象、原因、解决三步整理。第一条预测结果图全黑。现象是保存的可视化图片看起来像一张黑布。原因多半是视频源读取失败或者图像路径里带中文OpenCV 读不出来但没报错。解决办法是先单独用 cv2.VideoCapture 验证视频能否打开路径全部改成英文再跑预测。第二条同一片绝缘子串这一帧检出缺陷下一帧漏检。现象是视频巡检结果不稳定。原因是光照变化和云台角度差异导致模型泛化不够。解决办法是在训练集里加入多角度、多时段的样本推理端对同一目标取相邻两帧做二次确认也就是用目标跟踪的结果补充单帧检测的漏检。第三条Jetson Nano 上推理速度 2 到 3 秒一张实时性没法看。现象是平台配置没问题但速度极慢。原因是用 fp32 的 pt 模型直接推理Jetson Nano 的 GPU 根本喂不满。解决办法是导出 TensorRT engine用 half 精度跑。yolo export modelruns/train_exp/electric_v11n/weights/best.pt \ formatengine imgsz1280 halfTrue导出前先确认 Jetson 上的 JetPack 版本和 TensorRT 版本匹配环境配置不对时 export 会报各种奇怪的算子错误。导出成功后推理速度通常能比 pt 快 2 到 4 倍但 int8 量化会掉点电力缺陷检测这种小目标场景我一般不轻易上 int8half 已经够用。第四条销钉缺失这类小目标 mAP 特别低。现象是其他类别都正常只有小目标类别的召回率惨不忍睹。原因基本可以定位到两点训练 imgsz 用的 640或者 mosaic 增强把小目标截没了。解决办法是 imgsz 提到 1280close_mosaic 设为 10再考虑换 WIoU 损失。第五条mAP 挺高但实际巡检误报多。现象是验证集指标漂亮一上真实航线就满屏告警。原因是训练集里负样本太少模型把正常的绝缘子串、塔材都当成缺陷背景。解决办法是在数据集里加入 15% 到 20% 完全无缺陷的图片训练后把推理 conf 从 0.25 提到 0.45。6. 上线前的量化验证用 mAP 和定位误差做一次模型体检很多项目到这一步就急着上线但我习惯先跑一次体检只看 mAP50 会骗人。mAP50 只要求 IoU 大于 0.5框偏半个身位也能拿满分对巡检来说框的定位误差直接决定地面人员能不能快速找到缺陷。所以我会同时看 mAP75 和中心点偏移。from ultralytics import YOLO model YOLO(runs/train_exp/electric_v11n/weights/best.pt) metrics model.val( dataelectric_power.yaml, imgsz1280, conf0.001, iou0.6, ) print(mAP50:, metrics.box.map50) print(mAP75:, metrics.box.map75) print(mAP50-95:, metrics.box.map)conf0.001 是为了让模型把所有候选框都吐出来看检测头的原始能力而不是被置信度阈值遮住。iou0.6 是匹配预测框和真实框的 IoU 阈值比训练默认的 0.5 更严格。如果 map75 比 map50 低很多说明框定位不稳回去查损失函数和标注质量。如果 map50 都不高说明检测能力本身有问题调阈值也救不回来。我现在的习惯是每版模型上线前先看 map75再抽 200 张没有标注缺陷的正常照片跑一遍误检率两个指标都过了才敢把结果交给巡检班组。定位优化这件事做到后面拼的不是网络结构而是验证闭环。希望帮到你。本文还有配套的精品资源点击获取 YOLOv11电力设备缺陷检测实战：从训练调参到部署避坑指南
简介这份PDF文档围绕无人机巡检场景下的电力设备缺陷检测与定位展开以YOLOv11单阶段目标检测算法为核心面向电力运维人员、算法工程师及相关专业学生系统梳理从数据构建、模型优化到实际落地的完整技术链路。文档共39页压缩包内含1个PDF文件大小约2.2MB支持目录章节跳转与大纲定位排版清晰。文档从传统人工/直升机巡检的局限出发详解YOLOv11的网络结构、工作原理并给出电力设备缺陷数据集构建、骨干/颈部/检测头优化、模型量化压缩等策略同时配有代码实现、实验评估Precision、Recall、mAP及变电站、输电线路、分布式能源电站等实际案例方便读者快速掌握缺陷检测与定位的部署思路。已有151人学习下载适合希望用高效目标检测方案替代低效巡检方式的读者参考学习。1. 无人机巡检遇上 YOLOv11电力设备缺陷检测为什么难无人机拍回来的巡线照片真正让人头疼的不是看不看得清而是看不过来。一条 220kV 线路几千基塔绝缘子破损、销钉缺失、防震锤滑移同一种缺陷在画面里可能只有几十像素和导线、塔材的背景混在一起。YOLOv11 在这里做的事情可以拆成两半先判断缺陷类别再把缺陷位置框准。很多团队跑通检测容易卡在定位优化上——框偏半个身位地面检修人员到了现场还是得重新找。这篇笔记就按数据准备、训练调参、推理部署这条线把 YOLOv11 落到电力设备缺陷检测的实际流程里适合给无人机巡检做算法落地的工程师也适合刚接触 YOLO 系模型想少走弯路的人。2. YOLOv11 的网络结构改动哪些设计真正服务定位优化先别急着拿 yolo11n.pt 直接开训。如果连 YOLOv11 相对上一代改了什么都不清楚后面调损失函数、调 imgsz 都像在摸黑。Ultralytics 在 YOLO11 里把 backbone 和检测头都做了调整对电力设备这种小目标密集、背景复杂的场景有几个改动是值得为它买单的。2.1 C3k2 与 C2PSA对电力小目标的特征提取差异YOLOv11 的 backbone 用 C3k2 替换了 YOLOv8 里的 C2f。C3k2 本质上是把原来并行分支的 C2f 改成两个串接的 bottleneck结构更规整理论计算量也降了一些。听起来像反向优化但实际训练时参数量减少并不等于精度下降配合后续的注意力模块反而让模型更容易在浅层保留小目标的边缘细节。电力巡检图像的背景大多是导线、绝缘子串和塔材纹理密集如果 backbone 一味追求深层语义浅层的销钉、防震锤细节会被池化和卷积一点点抹掉。另一个值得关注的是 SPPF 后面接的 C2PSA也就是位置敏感注意力。C2PSA 的处理方式是先做空间池化再用注意力机制整合全局上下文。对巡检场景来说防震锤滑移这种缺陷往往只占几十个像素但它和导线之间的相对位置关系才是判断“滑没滑”的关键。C2PSA 能把这些局部特征和整条导线的走向关联起来比单纯堆卷积层的效果好不少。社区里像 HCANet 这类给 YOLOv11 加注意力头的小目标改进思路也是在加深浅层特征对目标的响应本质和我上面说的 C2PSA 是同一个方向。再就是检测头从 anchor-based 换成了 anchor-free。YOLOv11 的检测头直接回归目标中心点和宽高不再依赖预设锚框。对电力设备这种目标尺寸跨度极大的场景anchor-free 的好处很明显销钉可能只有十几像素绝缘子破损却可能占据半张图预设锚框很难同时覆盖这两种尺度而 anchor-free 的候选分布更灵活。代价是回归分支对小目标的偏移更敏感这也是后面要专门做定位优化的原因。环境配置这里插一句装 ultralytics 时我习惯先把 torch 和 CUDA 版本对齐再装包不然训练时突然炸一个 CUDA error排查起来比标注还费时间。2.2 用 YAML 搭一个电力缺陷检测配置三个关键参数训练 YOLOv11 的第一步不是改模型结构而是把数据集描述文件写对。常见做法是新建一个 electric_power.yaml里面只放路径、类别数、类别名结构非常简单。# electric_power.yaml —— 无人机巡检缺陷检测数据集描述 path: ./datasets/electric_power train: images/train val: images/val nc: 4 names: 0: insulator_break # 绝缘子破损/自爆 1: pin_missing # 销钉缺失 2: damper_slip # 防震锤滑移 3: foreign_object # 异物悬挂path、train、val 这三个字段决定训练时去哪里找图片。最容易翻车的是类别顺序一旦用这个文件开始训练names 的顺序就固定了训练中途再调整类别索引之前标注的 txt 和训练权重全部作废。我一般会在项目开始的第一天就把类别清单定死后面只加样本不加类别。数据集文件准备好之后训练命令里真正影响电力缺陷检测效果的是下面这几个参数。yolo detect train modelyolo11n.pt dataelectric_power.yaml \ imgsz1280 batch8 epochs150 \ patience30 close_mosaic10 \ projectruns/train_exp nameelectric_v11nmodelyolo11n.pt 里的 n 代表 nano。选 nano 不是因为算力不够而是因为这种模型最终大概率要部署到 Jetson 这类边缘设备上。如果服务器显存足够可以换 s 或 m 先跑一版看精度上限但最后上线还是要回到小模型。imgsz1280 是小目标优化里最重要的参数没有之一。640 输入下销钉可能只有 2 到 3 个像素1280 下至少能看到形状。代价是显存占用涨到 4 倍batch 8 是 8G 显存比较稳的起点如果 OOM 就降到 4。close_mosaic10 表示最后 10 个 epoch 关闭 mosaic 增强因为 mosaic 拼接大图时容易把销钉这类小目标截断或缩小最后阶段关掉让模型回到真实分布上精调。2.3 训练前先看网络长什么样可视化与参数量配置写完之后不要急着开训先用几行 Python 看一眼网络结构确认模型加载正常。from ultralytics import YOLO # 加载预训练权重n 是 nano 版本 model YOLO(yolo11n.pt) # 打印每一层的参数量、FLOPs以及总的模型信息 model.info() # 直接打印模型对象看 C3k2、SPPF、C2PSA 的排列顺序 print(model.model)model.info() 会输出层数、参数量和 GFLOPs这些数字可以帮你快速判断模型是否适合边端部署。打印 model.model 则能看到整个网络的模块排列确认 backbone 部分确实按 C3k2、SPPF、C2PSA 的顺序组织。这一步的另一个作用是排除环境问题如果模型加载成功说明 ultralytics 环境没问题后面训练报错就不会怀疑是安装不完整。如果手里有白天和夜间的红外图像建议分开训练或做风格迁移不要混在一个数据集里。YOLOv11 结构再强也架不住同一类缺陷在可见光和热成像里长得完全不一样。3. 无人机巡检数据怎么喂给 YOLOv11VOC 转 YOLO 的脚本与裁切细节模型结构只是起点电力巡检项目里真正花时间的往往是数据。无人机拍回来的原始照片普遍是 4000x3000 甚至更大直接缩到 640 输入等于把销钉摁成几个像素。所以整个数据链路一般是先滑窗裁切再标注再转成 YOLO 格式的 txt。很多人跳过裁切直接标注后面训练时才发现小目标根本学不出来又回头补数据白白浪费两周。3.1 滑窗裁切防止绝缘子小目标在缩略图里消失裁切这一步的目标很简单让每个缺陷在输入图片里至少占 24 到 32 个像素。以 4000x3000 的原始图为例如果 patch 大小是 1280原图被切成大约 10 块缺陷在 patch 里的尺寸比直接缩小整图要大得多。加上 overlap 是为了避免目标恰好落在切缝上被截成两半。import cv2 import os INPUT_DIR raw # 无人机原始图片目录 OUTPUT_DIR crops # 裁切后的图片目录 PATCH_SIZE 1280 # 切块边长 OVERLAP 200 # 相邻切块的重叠像素建议不小于最大目标尺寸 os.makedirs(OUTPUT_DIR, exist_okTrue) for name in os.listdir(INPUT_DIR): img cv2.imread(os.path.join(INPUT_DIR, name)) if img is None: continue h, w img.shape[:2] idx 0 for y in range(0, h, PATCH_SIZE - OVERLAP): for x in range(0, w, PATCH_SIZE - OVERLAP): y2 min(y PATCH_SIZE, h) x2 min(x PATCH_SIZE, w) crop img[y:y2, x:x2] cv2.imwrite(f{OUTPUT_DIR}/{name[:-4]}_{idx}.jpg, crop) idx 1这段代码按步长 PATCH_SIZE - OVERLAP 滑动保证相邻切块之间有重叠区域。OVERLAP 设为 200意味着如果一个缺陷恰好横跨两个切块至少有一个切块里保留它的完整形状。裁切之后标注工作量确实会增加我一般会选择先在大图上标注再写一个切块坐标换算脚本把标注框映射到每个 patch 上而不是让人对着几百张小图重新标。换算方式很简单记录每个 patch 左上角的原图坐标 (ox, oy)标注框的 x1、y1、x2、y2 分别减去 ox、oy就是 patch 内的坐标越界的部分裁掉。3.2 VOC XML 转 YOLO TXT脚本与归一化细节标注工具导出的格式多半是 VOC XML而 YOLOv11 训练需要的是 txt。转换脚本是固定套路但里面的细节决定标签有没有埋雷。import xml.etree.ElementTree as ET import os class_map { insulator_break: 0, pin_missing: 1, damper_slip: 2, foreign_object: 3, } def convert(xml_path, out_dir): tree ET.parse(xml_path) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in class_map: continue cls_id class_map[name] box obj.find(bndbox) x1 float(box.find(xmin).text) y1 float(box.find(ymin).text) x2 float(box.find(xmax).text) y2 float(box.find(ymax).text) # 越界坐标收敛到图片范围内 x1 max(0.0, min(x1, w - 1)) y1 max(0.0, min(y1, h - 1)) x2 max(0.0, min(x2, w - 1)) y2 max(0.0, min(y2, h - 1)) if x2 - x1 1 or y2 - y1 1: continue # YOLO 格式类别 中心点坐标 宽高全部归一化到 0~1 cx (x1 x2) / 2 / w cy (y1 y2) / 2 / h bw (x2 - x1) / w bh (y2 - y1) / h lines.append(f{cls_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) if lines: out_name os.path.basename(xml_path).replace(.xml, .txt) with open(os.path.join(out_dir, out_name), w) as f: f.write(\n.join(lines))这段脚本把 VOC 的 x1y1x2y2 转成 YOLO 的中心点加宽高格式同时做了两层保护坐标越界收敛、宽高小于 1 像素的标注直接丢弃。这两个坑很隐蔽标注时手抖画出的框可能超出图像边缘如果不过滤训练时 YOLOv11 会学到错误的边界回归。转换完不要急着训练把每个 txt 画回对应图片上肉眼过一遍尤其是裁切后的 patch经常出现坐标偏移导致框错位的问题。3.3 类别平衡与样本选择销钉样本少怎么办电力设备缺陷数据集有一个天然的问题正常图片大量存在缺陷样本少且分布极不均匀。绝缘子破损可能有好几千个框销钉缺失只有一两百个。遇到这种长尾分布我最先做的不是改损失函数而是先统计一下各类别的标注数量。import os from collections import Counter counter Counter() for txt in os.listdir(labels/train): with open(os.path.join(labels/train, txt)) as f: for line in f: cls_id int(line.split()[0]) counter[cls_id] 1 for cls_id in range(4): print(fclass {cls_id}: {counter[cls_id]})这个统计结果直接决定数据策略。如果销钉缺失只有几十个框调 loss 权重是杯水车薪优先补样本哪怕从历史巡检视频里逐帧截取也比硬训强。另一个常见做法是复制粘贴增强把标注出来的销钉缺失实例从原图上抠出来随机贴到没有缺陷的塔材背景上同时生成对应的标注。这种增强能显著提升小样本类别的召回率但要注意粘贴时不要扭曲目标否则模型学到的形状就变了。此外务必备 10% 到 20% 完全没有缺陷的正常图片作为负样本否则模型会学会“看到绝缘子串就报缺陷”实际巡检时误报刷屏。4. 训练与定位优化损失函数、NMS 阈值和 imgsz 的联合调参数据准备好之后训练阶段的定位优化是另一个大头。YOLOv11 默认的损失函数和推理参数是为通用目标检测设计的电力巡检里的小目标、密集目标、弱纹理目标都会让默认配置翻车。这一章的调参顺序我一般按“损失函数 → NMS → 输入分辨率”来推进每一步都有明确的验证指标。4.1 把默认 CIoU 换成 Wise-IoU定位框偏移的血泪经验训练前期最常见的现象是绝缘子破损能识别但框总是贴在缺陷边上IoU 只有 0.5 左右。问题出在默认的 CIoU 损失对极小目标的回归不够敏感。YOLOv11 官方并没有原生的 Wise-IoU 开关社区改进模型时最常见的套路是直接改 ultralytics 的损失函数代码把 bbox_iou 的 CIoU 分支替换成 WIoU。# 常见做法在 ultralytics/utils/metrics.py 的 bbox_iou 基础上增加 WIoU def wise_iou(pred, target, alpha1.0, delta0.7): WIoU v3 的简化理解用离群度动态降低低质量样本的梯度权重。 alpha 控制整体缩放delta 控制对离群样本的抑制程度。 训练阶段和验证阶段必须保持同一套 iou 计算否则 loss 降了 mAP 不涨。 # 实际工程中把 wise_iou 的实现粘贴到这里 # 返回 iou 和 wiou_loss pass替换位置一般在 ultralytics/utils/loss.py 的 BboxLoss 类里把原来调用 bbox_iou(..., CIoUTrue) 的地方改成调用 wise_iou。alpha 和 delta 两个参数按数据集调节我习惯从 alpha1.0、delta0.7 起步。delta 越大对难样本的抑制越强但如果电力数据里本身就有大量模糊目标delta 太大会导致模型直接忽略它们反而掉召回。项目里常见的坑是只改了训练损失没改验证指标结果训练 loss 降得漂亮验证 mAP 纹丝不动这种翻车最容易让人怀疑人生。4.2 NMS 与置信度阈值巡检误检和漏检的取舍训练结束后推理阶段的 NMS 参数会二次筛选定位结果。电力巡检和通用目标检测的取舍完全不一样通用场景追求召回巡检场景更看重误检率因为误报会直接生成错误的工单。默认的 conf0.25 在巡检图片上会输出大量低置信度框我一般会把 conf 提到 0.4 到 0.5。参数建议值作用conf0.4~0.5过滤低置信度检测框降低误报iou0.4~0.5控制重叠框的合并力度max_det300单张图片最多保留的检测框数iou 阈值也很关键。绝缘子串上多个破损挨得很近默认 iou0.7 时相邻的两个框可能被合并成一个看起来像是漏检但 iou0.3 又会让同一个缺陷重复输出三四个框。我一般从 0.45 开始如果发现重复框多就降到 0.4如果发现漏检多就升到 0.5。这个参数在预测命令里直接传。yolo predict modelruns/train_exp/electric_v11n/weights/best.pt \ sourcetower_007.jpg conf0.4 iou0.45 \ save_txtTrue save_confTruesave_txtTrue 会把检测结果保存成 YOLO 格式的 txtsave_confTrue 表示每一行末尾附上置信度方便后续按阈值二次筛选。保存推理结果的路径默认在 runs/detect/predict里面是可视化图和 labels 目录这是部署到巡检系统前最常用的输出形式。4.3 小目标优化三件套imgsz、mosaic 与时序增强换完损失函数再回头调数据增强这一步对小目标的提升通常比换模型更明显。我的固定组合是imgsz 提到 1280mosaic 在最后 10 个 epoch 关闭同时把多尺度增强的范围调大一点。下面是一个自定义超参数文件的例子。# hyp_electric.yaml —— 放在项目目录训练时用 hyp 参数引用 mosaic: 1.0 scale: 0.5 fliplr: 0.5 close_mosaic: 10训练命令里加上 hyphyp_electric.yaml 即可。fliplr0.5 意味着水平翻转增强概率为 50%对无人机巡检图适用因为绝缘子串和塔材左右翻转后仍然是合法目标。scale0.5 表示缩放增强范围目标会被随机缩放 0.5 倍。如果数据集里小目标已经很多scale 可以适当调小避免把目标缩得更小。另一个值得尝试的是时序增强。无人机巡检时同一基塔会有多张不同角度的照片可以把同一个缺陷在不同帧里的实例作为同一类样本重复训练。这相当于免费的样本扩充而且能让模型对视角变化更鲁棒。如果是视频巡检数据还可以用相邻帧做轻微的随机平移模拟抖动效果和复制粘贴增强类似但实现起来更简单只需要在读取训练图片时做随机偏移。5. 推理与部署避坑保存结果、Jetson Nano 落地与常见翻车训练完模型只是开始巡检项目真正要解决的是“模型在边缘设备上稳定输出结果”。无人机巡检的推理场景分两种一是巡检结束后在服务器上批量跑历史图片二是机载或者地面站实时推理后者经常落在 Jetson Nano 这类设备上。两种场景的代码写法有差异坑也不一样。5.1 预测后保存结果单张图片和视频巡检的保存写法批量保存推理结果的代码很短但参数选择会影响输出格式和内存占用。from ultralytics import YOLO model YOLO(runs/train_exp/electric_v11n/weights/best.pt) # 单张图片同时保存可视化图和标签文件 results model( tower_007.jpg, conf0.4, iou0.45, saveTrue, save_txtTrue, save_confTrue, projectinfer, nametower_007, ) # 视频巡检按帧推理并保存streamTrue 降低内存占用 model( patrol_video.mp4, conf0.4, saveTrue, save_txtTrue, streamTrue, )单张图片的保存结果会输出到 infer/tower_007/labels 目录每一行对应一个检测框包含类别、中心点、宽高和置信度。视频推理时 streamTrue 让 ultralytics 按帧读取而不是一次性把整个视频载入内存否则一条十几分钟的巡检视频就能吃掉几个 G 内存。输出的 labels 文件是逐帧生成还是按视频合并取决于项目现状我一般会让后端直接读帧号方便后续和目标跟踪模块联动。如果是为了全航线自动巡检航线重叠率建议按 70% 到 80% 规划保证同一缺陷至少出现在两张相邻照片里推理端再配合目标跟踪把重复告警去掉。检测做的是单帧定位跟踪做的是时间维度去重两者配合才不会让后台被告警刷屏。5.2 常见问题排查黑屏、漏检和框偏的五条实录这一节记录的是我实际踩过的坑每一条都按现象、原因、解决三步整理。第一条预测结果图全黑。现象是保存的可视化图片看起来像一张黑布。原因多半是视频源读取失败或者图像路径里带中文OpenCV 读不出来但没报错。解决办法是先单独用 cv2.VideoCapture 验证视频能否打开路径全部改成英文再跑预测。第二条同一片绝缘子串这一帧检出缺陷下一帧漏检。现象是视频巡检结果不稳定。原因是光照变化和云台角度差异导致模型泛化不够。解决办法是在训练集里加入多角度、多时段的样本推理端对同一目标取相邻两帧做二次确认也就是用目标跟踪的结果补充单帧检测的漏检。第三条Jetson Nano 上推理速度 2 到 3 秒一张实时性没法看。现象是平台配置没问题但速度极慢。原因是用 fp32 的 pt 模型直接推理Jetson Nano 的 GPU 根本喂不满。解决办法是导出 TensorRT engine用 half 精度跑。yolo export modelruns/train_exp/electric_v11n/weights/best.pt \ formatengine imgsz1280 halfTrue导出前先确认 Jetson 上的 JetPack 版本和 TensorRT 版本匹配环境配置不对时 export 会报各种奇怪的算子错误。导出成功后推理速度通常能比 pt 快 2 到 4 倍但 int8 量化会掉点电力缺陷检测这种小目标场景我一般不轻易上 int8half 已经够用。第四条销钉缺失这类小目标 mAP 特别低。现象是其他类别都正常只有小目标类别的召回率惨不忍睹。原因基本可以定位到两点训练 imgsz 用的 640或者 mosaic 增强把小目标截没了。解决办法是 imgsz 提到 1280close_mosaic 设为 10再考虑换 WIoU 损失。第五条mAP 挺高但实际巡检误报多。现象是验证集指标漂亮一上真实航线就满屏告警。原因是训练集里负样本太少模型把正常的绝缘子串、塔材都当成缺陷背景。解决办法是在数据集里加入 15% 到 20% 完全无缺陷的图片训练后把推理 conf 从 0.25 提到 0.45。6. 上线前的量化验证用 mAP 和定位误差做一次模型体检很多项目到这一步就急着上线但我习惯先跑一次体检只看 mAP50 会骗人。mAP50 只要求 IoU 大于 0.5框偏半个身位也能拿满分对巡检来说框的定位误差直接决定地面人员能不能快速找到缺陷。所以我会同时看 mAP75 和中心点偏移。from ultralytics import YOLO model YOLO(runs/train_exp/electric_v11n/weights/best.pt) metrics model.val( dataelectric_power.yaml, imgsz1280, conf0.001, iou0.6, ) print(mAP50:, metrics.box.map50) print(mAP75:, metrics.box.map75) print(mAP50-95:, metrics.box.map)conf0.001 是为了让模型把所有候选框都吐出来看检测头的原始能力而不是被置信度阈值遮住。iou0.6 是匹配预测框和真实框的 IoU 阈值比训练默认的 0.5 更严格。如果 map75 比 map50 低很多说明框定位不稳回去查损失函数和标注质量。如果 map50 都不高说明检测能力本身有问题调阈值也救不回来。我现在的习惯是每版模型上线前先看 map75再抽 200 张没有标注缺陷的正常照片跑一遍误检率两个指标都过了才敢把结果交给巡检班组。定位优化这件事做到后面拼的不是网络结构而是验证闭环。希望帮到你。本文还有配套的精品资源点击获取