基于YOLOv8技术的电厂树脂再生反洗分层识别方法研究  

作　　者：林敬民 田志克 董晨星 李擎 任逸轩 吉志东 李方玲 谢凌涛 祝丽萍 

机构地区：[1]华电潍坊发电有限公司,潍坊261000 [2]北京华科仪科技股份有限公司,北京100076

出　　处：《分析仪器》2025年第2期96-104,共9页Analytical Instrumentation

摘　　要：围绕电厂树脂再生反洗分层自动识别展开研究。对比不同注意力机制(CBAM、SE、ECA)和边界框损失函数(EIoU、SIoU、WIoU、DIoU、FocusIoU)对YOLOv8算法性能影响,得出ECA注意力机制、EIoU边界框损失函数优势明显。基于改进后YOLOv8+ECA+EIoU模型对树脂分层自动识别的精度显著提升(精确率97.5%、召回率93.8%、mAP85.3%)。研究不同距离(4cm、8cm、12cm)和光通量(100、500、900lm)下YOLOv8算法检测效果,8cm距离和500 lm光通量下性能最佳。以山东某火力发电厂为例,验证优化后YOLOv8模型的实际应用效果,能为反洗操作提供精准指导,相比人工观察优势显著,可减少人工操作、提高准确性和可靠性,提升实现树脂再生过程自动化。

关 键 词：树脂再生 反洗分层 YOLOv8 改进算法 精准检测 自动化 

分 类 号：TM621[电气工程—电力系统及自动化]