基于深度学习的电气设备锈蚀缺陷检测系统设计  

作　　者：何婷婷 刘进福 

机构地区：[1]常州工业职业技术学院智能控制学院,江苏常州213000

出　　处：《电子制作》2025年第3期48-51,共4页Practical Electronics

基　　金：江苏省高职院校教师访学研修项目(2024TDFX004);第四批常州市领军型创新人才项目(CQ2021079)。

摘　　要：随着人们对电能的需求不断增加,维持电力系统的稳定运行尤为重要。锈蚀会导致电气设备发生故障,从而影响电网的正常运行,产生巨大的经济损失。本文通过机器视觉方法,有效结合图像处理技术和深度学习技术,设计并实现了基于YOLOv8算法的电气设备锈蚀缺陷检测系统。该缺陷检测系统可以检测简单和复杂情况下的电气设备锈蚀情况,具有较高的鲁棒性和准确率。

关 键 词：锈蚀缺陷 目标检测 深度学习 YOLOv8 

分 类 号：TP274[自动化与计算机技术—检测技术与自动化装置]