计算机工程

作者：张蓬鹤, 杨艺宁, 王璧成, 易云齐, 唐忠瑞, 刘敏

单位：1. 中国电力科学研究院有限公司计量研究所, 北京 1001922. 湖南大学电气与信息工程学院, 湖南 长沙 410082

关键词：电表,YOLOv8模型,异常检测,DBE-C2f模块,自动数据增广

基金：国家电网有限公司科技项目(5400-202355230A-1-1-ZN)

目前用户侧智能电表的维护与检测主要依赖专业人员上门排查, 存在现场检验效率低、周期检定任务繁重、严重依赖人工经验等问题。基于电网巡检图片构建电表异常图像数据集, 针对电表图像背景复杂、目标尺寸不一、异常接线隐蔽遮挡等问题, 提出一种基于多样性感知的可微分自动数据增广(D-DADA)与双分支特征增强YOLO(DBE-YOLO)网络的电表异常检测方法。首先, 提出改进的DBE-YOLO网络, 通过引入级联空洞卷积增强模型对全局上下文信息与多尺度特征的提取, 设计双分支聚合结构弥补了原始模型感受野受限、卷积特征捕捉模式固定的缺陷。其次, 提出一种多样性感知的D-DADA算法, 设计了搜索策略多样性约束条件促进对更广泛数据增强策略的自动搜索, 从而帮助模型学习到不同场景、角度、光照等情况下的检测目标特征和模式, 解决数据类内差异较大导致的模型识别性能不足等问题。实验结果表明, 改进后的YOLOv8模型对8类电表异常的平均检测精度可达到79.6%, 相对于改进前提高了3.4百分点。

来源：2026年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第5期