摘要:针对风力发电机变桨系统电源缺少实时监控，且故障时更换步骤繁杂的问题，提出一种基于单片机控制的可热拔插双模块开关电源系统方案，实现了在不停机状态下的故障电源更换。该方案采用模块化双电源冗余架构，电源基于反激电路设计并进行模块化设计，具备20~80 V宽电压输入范围和最大24 V/3 A的稳定输出，集成STM32单片机与TPS2491热拔插芯片，电源故障时自动切换，支持故障电源的快速拔插更换。并搭建基于Bootstrap5框架开发的监控平台，实现电源的智能监控管理。实验结果表明，该系统在电源故障时切换时间短（满载工况下≤10 ms）、电压暂降小。同时，监控平台实现电源状态的实时监控、故障报警及运行数据分析，提升变桨系统供电可靠性。

摘要:为保持LLC谐振变换器高效率运行，LLC谐振变换器通常工作在谐振频率附近，使得变换器增益范围较窄。针对该问题，本文提出一种原边Buck-LLC级联变换器和副边特殊全桥整流的拓扑结构，该拓扑结构能实现宽范围电压增益。该拓扑结构原边采用前级Buck单元控制与后级LLC谐振变换器的协同控制策略，即前级通过PWM调制实现闭环稳压功能，后级采用LLC开环工作在谐振频率点。在副边引入交叠导通控制方式，通过调节整流桥开关管的交叠占空比来调整电压增益，使系统能够根据输出电压自动切换运行模式，系统可实现3倍增益扩展范围。理论推导表明，系统所有开关管在宽增益范围内均实现软开关。结合状态平面轨迹图，推导了电压增益方程及软开关边界条件。为验证所提方案，搭建了一台DC300 V输入、DC20-60 V/500 W输出的实验样机，实验结果及分析验证了系统拓扑结构和控制策略的正确性和有效性。

摘要:针对多模态对话情感识别（MERC）中难以有效捕捉对话中跨模态语义关联以及对少数类和语义易混淆类情感的区分能力有限的问题，提出了一种新的多模态情感分析模型（FuseNet）。该模型采用双向注意力对话编码器（BiDRN）以捕捉对话上下文依赖，有效整合来自不同说话人的音频与视觉线索，并通过基于分层门控机制的融合模块实现动态多模态融合，同时引入类感知多模态对比（CAMC）损失以增强类间判别性，提升对少数类以及语义相近情感类别的区分能力。在IEMOCAP和MELD两个基准ERC数据集上的实验结果表明，与当前先进模型CORECT相比，FuseNet的F1分数分别提升了2.91%和2.00%，在多数情感类别的分类性能上均优于现有基线模型，尤其在识别少数类和语义相近类情感上改进显著。

摘要:现有单阶段深度模型的交通事故检测在高速公路场景中误报率高、计算冗余大，严重制约了实际部署。为此，本文提出一种基于双阶段架构的高速公路交通事故检测方法，采用“静止车辆筛选+外观特征识别”的处理流程。第一阶段结合YOLO11与Bot-SORT，实现对车辆的检测与跟踪，并通过帧间速度分析筛选出疑似事故的静止车辆。第二阶段引入改进模型YOLO-EA，仅对静止车辆执行外观检测，并采用多帧投票机制提高判断稳定性与鲁棒性。YOLO-EA基于YOLO11架构，引入EAS-Stem模块与AWD-Conv模块，前者增强了输入阶段边缘与轮廓的特征提取，后者提升了下采样效率并在保留关键特征同时降低计算负担。实验结果表明，YOLO-EA在Precision、mAP@0.5和mAP@0.5:0.95上分别提升10.9%、3.4%和2.8%，参数量减少21%；在构建的事故视频数据集上，本方法的事故识别率达81.25%，相对于单阶段检测策略误报率降低24.46%。该方法在准确性与推理效率之间实现良好平衡，具备较强的实际部署潜力。

摘要:针对沿海地区河口水质监测环境中，传统的电导率测量传感器存在体积庞大、易被腐蚀的问题，本文提出一种基于单线圈扫频测量谐振阻抗的海水电导率非接触测量方法。建立了海水环境下线圈等效电路模型，深入解析了海水涡流损耗对系统谐振特征的影响机理，阐明了在谐振状态下，谐振等效阻抗与海水电导率之间的存在的线性映射关系，采用有限元仿真，对仿真数据进行了线性拟合，验证了理论推导的准确性；在此基础上，搭建了基于扫频技术的电导率测量系统，实现了对谐振点阻抗的精准提取。试验结果表明：在低电导率（咸潮）环境下，该方法保持了恒定且高水平的测量灵敏度，拟合结果最大误差仅为0.041 7 mS/cm。相比于已有研究，本文方法在提升系统抗污染能力的同时，显著增强了对微弱电导率变化的感知精度，并且可以此类方法利用仿真软件提前计算出拟合所需的相关参数，可以节省传感器标定所需要的人力物力，优化传感器制备流程，为河口水质监测提供了一种低成本、高可靠、高灵敏的新方案。

摘要:本文提出一种超导并联纳米线双分辨单光子探测器，能够在单路读出条件下同步实现光子数分辨与空间位置分辨。该探测器由N个超导纳米线单元并联组成，每个单元通过并联不同阻值的标记电阻构建非对称电阻网络，再串联相同阻值电阻，由同一偏置电路提供偏置电流并输出信号。以4像元结构为例，设置梯度分布的并联电阻（100、200、400、800 Ω）和50 Ω串联电阻，通过LTspice仿真验证了基于响应脉冲幅度叠加可实现光子数与空间位置信息的同步分辨，最多可区分4光子事件及15种空间响应分布。进一步分析表明，该结构可有效抑制传统并联纳米线探测器中的电流分流与闩锁效应，提升稳定性，但会一定程度降低输出信号幅值与信噪比。本研究为发展具有双分辨能力的超导并联纳米线单光子探测器（PND）提供了一种新颖且可行的技术路径，为未来开发大规模、高计数率、具备全信息获取能力的低SWaPC多功能PND提供了一种新思路，拓宽了未来量子成像、激光雷达及量子通信等领域的应用。

摘要:针对室内外复杂场景中，由于拍摄距离较远导致仪表区域像素比例较小，从而引发表盘检测精度低、漏检率高以及实时性差等问题，提出了一种基于YOLOv8改进的指针仪表检测算法——GRCP-YOLOv8。首先，设计了一种融合CGA注意力机制的C2f_CGA模块，以增强模型对不同尺度特征的表达能力，并替代了主干网络中的所有C2f模块。其次，提出使用RFAConv替代传统卷积层，以解决普通卷积模块由于参数共享带来的特征表达不足问题。继而，设计了新型颈部网络结构CCFPN，通过引入主干网络提取的高分辨率特征图，提升了对小目标的感知能力，并通过1×1卷积减少卷积层通道数，从而减小了模型的参数量与计算量。最后，基于重参数化卷积（RepConv）设计了新的检测头——RepHead，有效降低了推理阶段的计算量和内存消耗。实验结果表明，改进后的算法在精度、召回率和mAP@50上的表现分别为94.3%、91.6%和92.5%，相比YOLOv8n模型，召回率和mAP@50分别提升了1.3%和1.2%。在计算复杂度和参数数量上分别降低了39%和27%，且模型体积仅为4.22 MB，表明所提算法在提升检测准确率的同时，更适合部署于边缘设备。

摘要:针对大规模电动汽车接入电网引发负荷波动的问题，电动汽车充电负荷预测可为电力调度决策提供关键支撑。为进一步保障电网运行的稳定性与可靠性，提出一种电动汽车短期充电负荷预测新方法，旨在提升负荷预测的精准度。首先，运用变分模态分解(VMD)将历史负荷数据拆解为多个子分量，将各子分量连同温度信息输入至多个(TCN-LSTM)分支中进行特征提取与学习，降低电动汽车负荷序列的复杂度。其次，构建双阶段注意力机制改进长短期记忆网络(LSTM)结构，实现负荷特征维度与时序维度的协同融合，从而提升对复杂负荷模式的捕捉能力。最后，提出时间转换预测模块经全连接层对预测结果进行加权整合，进一步提升模型预测精度，降低预测误差。在绍兴某社区实际电动汽车充电桩充电负荷数据集上进行算例分析。实验结果显示，所提方法在均方误差(MSE)、平均绝对误差(MAE)、和R2性能指标上分别提升68%、60%、4%，表明该模型具有较好的预测效果。

摘要:针对电磁悬浮系统易受外部扰动影响及传统线性自抗扰控制的整数阶PD固有矛盾问题，本文提出分数阶线性自抗扰控制方法。通过线性扩张状态观测器实时估计系统总扰动，并在位置环控制律中引入分数阶微分算子，利用其阶次在(0, 2)区间连续可调的特性，灵活适配频域内相位与幅值需求。理论分析表明，分数阶线性自抗扰控制能同时增强低频段扰动抑制能力并抑制高频噪声放大效应。仿真与实验结果显示，相较于线性自抗扰控制，分数阶线性自抗扰控制使位置偏移减小48.72%、调节时间缩短80.28%，并能有效应对更强扰动并提升跟踪精度，显著提升了系统的抗干扰性与跟踪性能。

摘要:为解决旅鼠算法（ALA）收敛速度慢、收敛精度低、易陷入局部最优的问题，提出一种多策略改进旅鼠算法（IALA）。首先引入Hammersley序列对算法进行种群初始化，使初始种群具有更加优秀的搜索能力；然后利用反向差分变异机制，提高种群的多样性，增强算法逃离局部最优的能力；最后通过软霜冰搜索机制，让算法在优化过程中兼顾局部性和全局性，提高了算法的寻优能力和收敛速度。为验证改进算法的有效性，选取9个基准测试函数对改进算法进行对比测试，对比结果显示：IALA有着更快的收敛速度及更高的收敛精度。最后将改进算法应用于3种复杂程度地图的机器人路径规划仿真实验，结果表明：与原算法ALA进行比较，改进后的算法IALA在第1种地图中路径最优值下降0.64%，平均值下降2.86%；在第2种地图中路径最优值下降10.24%，平均值下降6.91%；在最后一种地图中路径最优值下降2.02%，平均值下降2.6%。证明了改进后的算法具有更好的路径寻优能力。

摘要:随着无人机应用场景不断拓展，航拍图像中小目标检测成为计算机视觉领域的研究热点。针对小目标特征不明显、背景复杂导致误检和漏检，现有算法检测精度与实时性难以兼顾等问题，本研究提出了一种基于RT-DETR的航拍图像小目标检测算法FST-RTDETR来解决这些问题。首先，将FasterNet与EMA注意力机制结合，重新设计原有模块的Basic Block模块的结构，实现提高网络运行速度和视觉任务的准确性。其次，为了解决传统P2检测层添加后出现计算量过大、后处理更加耗时等问题，本研究基于原本的CCFM架构上提出使用P2特征层经过SPDConv得到富含小目标信息的特征给到P3进行融合，然后使用CSP思想和基于Omni-Kernel进行改进得到CSP-OmniKernel进行特征整合，有效地学习从全局到局部的特征表现，最终减少漏检率、误检率和提高小目标的检测性能。最后，为了使得模型简化损失函数计算过程、改进回归效率和精度以及拥有更全面的损失考虑，使用inner-MPDIoU替换原来的GIoU。改进后的算法在VisDrone2019数据集上的实验表明，FST-RTDETR模型实现了49.6%的mAP@50，相对于原来的RT-DETR模型提高了2.1%。FST-RTDETR模型显著提升了无人机图像的目标检测性能，提高了模型效率，对比其他算法表现出了良好的性能。

摘要:近年来，3D高斯溅射技术在同步定位与建图系统中的应用使得利用显式三维高斯模型进行高质量图像渲染成为可能，显著提升了环境重建的保真度。然而，现有的基于3DGS的方法在复杂室内环境的三维重建中存在跟踪精度有限、缺乏全局一致性等问题。为此，提出了一种基于3D高斯溅射的密集SLAM算法——SNGO-SLAM。该算法结合帧到模型和帧到帧两种跟踪方法的优点，利用表面法线感知获得更丰富的几何信息，显著提升了跟踪精度。为了解决随时间推移产生的跟踪误差，算法设计了环路闭合过程，并优化了3D高斯点表示问题，进一步提高了跟踪精度。此外，该算法还引入了双重高斯修剪策略，优化了内存使用，确保了精确的相机跟踪。在 Replica、ScanNet和TUM RGBD数据集上的实验表明，该算法在保持高渲染质量的同时，在Replica数据集上的绝对轨迹均方根误差达到了0.27 cm，与NICE-SLAM、Vox-Fusion、Gaussian-SLAM和SplaTAM相比，跟踪精度分别提高了74.53%、91.26%、12.90%和28.95%，为SLAM技术提供了新的思路。

摘要:针对RRT系列算法存在的搜索效率低、收敛速度慢及路径扩展多样性不足问题，提出了一种自适应多策略动态步长算法AMDS-Bi-RRT*，该算法基于Bi-RRT*框架，通过动态目标直连扩展策略和构建自适应步长评价函数提升收敛效率；设计多方向应急机动策略，以增强复杂环境的适用性；结合改进的人工势场法优化节点采样；并引入三阶段路径平滑方法以确保路径的可行性。通过在4种不同复杂度仿真环境中与Bi-APF-RRT*、Bi-RRT*、APF-RRT*、RRT*、目标偏置RRT* 5种基准算法进行对比实验，结果表明：AMDS-Bi-RRT*的平均规划时间平均降低了12.22%~23.45%，平均路径长度平均缩短了0.88%~1.89%，平均节点数量平均减少了6.69%~22.85%。该算法在规划效率、路径质量、收敛速度上均优于对比算法，充分验证了其在不同环境下的优越性。

摘要:为了满足大型基础设施及配套设备大气环境下腐蚀状态监测的需求，针对现有腐蚀状态监测系统中存在实时性差、监测精度低的缺点，设计实现一种基于STM32F407ZGT6的多通道大气腐蚀监测系统。该系统结合电化学阻抗谱测量技术与双电极原电池电偶探针等效电路模型理论，采用时分多路的方式控制多通道激励信号产生模块产生激励信号作用于各通道的电极系统，利用多通道响应信号采集模块实时采集各个通道电极系统产生的响应电压数据，将计算处理后的电化学阻抗谱数据通过无线通信模块传输至部署在云端服务器的上位机软件，最后分析处理电化学阻抗谱数据，获得腐蚀状态信息。实验结果表明，系统可以实现大气环境下多点位的腐蚀状态分析监测，腐蚀速率的准确度在90%以上，且监测数据可以实时准确的传递至监测平台。

摘要:飞行员认知状态的精准评估对保障飞行安全至关重要，然而现有方法在多模态生理信号融合上存在局限性。为此，本文提出一种基于双向跨模态注意力的双流深度学习网络。该模型采用并行双分支架构：脑电（EEG）分支通过相位锁定值（PLV）量化大脑功能连接，并采用SE模块增强的密集连接网络进行深度特征提取；心电（ECG）分支则提取心率变异性（HRV）及波形特征，经残差连接多层感知机处理以表征自主神经系统活动。在此基础上，通过创新设计的双向跨模态注意力模块，动态加权融合双路深度特征，实现对注意力集中、分散和惊吓/惊奇3种状态的精准分类。在NASA公开数据集上的实验表明，模型总体识别准确率达97.44%。消融与对比分析证实，该融合策略显著优于单模态分析和简单的特征拼接方法。研究表明，通过注意力机制深度融合EEG功能连接与ECG生理信息，可有效提升认知状态识别性能，该方法为开发客观、高效的飞行员状态监测系统提供了可靠的技术支持，对提升飞行安全具有重要的应用价值。

摘要:中长期电力负荷预测是保障电力系统规划与运行稳定性、经济性的核心环节。一些研究通过傅里叶变换将输入数据转换到频域，以此来获得不同的信号分量，从而减轻噪声的干扰。但现有研究往往不加区分地处理全部的频域信号，使关键频域分量和无关频域分量混合，导致模型难以完全捕捉频域信号中蕴含的特征。因此，提出了一种融合频域分析与注意力机制的多变量长时序预测模型FTAformer。该模型集成了时域和频域信息，协同建模以提高模型对全局特征的捕捉能力。首先，利用快速傅里叶变换将输入序列转换为频域信号，采用层级滤波和隔离策略，隔离出关键频域分量并抑制噪声。接着通过多头注意力机制在时域上捕捉不同变量间的相关性，并利用层归一化和前馈网络模块建模序列的全局表示。实验结果表明，在两个公开电力负荷数据集上，该模型的预测性能显著高于其他基准模型。相较于现有最优模型iTransformer，所提方法的均方误差和平均绝对误差在多步预测场景下分别降低15.26%和8.76%，充分验证了频域分析与多头注意力机制协同建模在中长期电力负荷预测中的有效性与优越性。

摘要:针对现有基于弱监督的语义分割模型无法同时顾及点云局部细节特征的高相关性和泛化性，以及特征利用不充分的问题，以RAC-Net为基线模型，提出了多尺度局部特征融合的弱监督点云语义分割模型WS-MLF。首先，原始点云数据作为输入，提出了多尺度球域采样的方法MSSM提取多层的不同半径特征；其次，设计了特征增强模块MFA，充分利用点邻域内的几何特征；再次，提出了注意力模块SCH-Att以增强关键通道和关键点的特征捕捉；最后，运用解码器进行上采样，生成每个点不同的语义标签，完成语义分割任务。该模型在大规模室内场景数据集S3DIS和ScanNet-v2上进行了实验验证，结果表明在S3DIS数据集上，标签比率为0.02%和0.06%时，mIoU分别较RAC-Net提升了2.71%和0.54%，在ScanNet-v2数据集上，标签比率为20 pt时，mIoU较RAC-Net提升了1.55%。实验结果验证了该模型在弱监督场景中对点云关键特征的良好提取能力，提升了基于弱监督的点云语义分割精度。

摘要:无人机航拍图像中的小目标检测面临目标尺寸微小、背景干扰复杂、特征表达不充分等关键技术挑战。针对现有RT-DETR模型在小目标特征提取和多尺度融合方面的局限性，提出一种自适应多尺度门控增强融合检测模型(MGEF-DETR)。该方法通过设计多阶跨阶段门控聚合模块(MCGA)，通过自适应门控机制实现小目标纹理特征的选择性增强；构建Micro-OmniPyramid小目标特征金字塔，集成SPD卷积稀疏编码和跨阶段增强空间核模块(CESK)，建立小目标特征的无损传递通路；引入增强特征关联模块EFC，通过分组注意力和多级重建策略优化跨尺度特征融合；设计内部修正惩罚距离IoU损失函数(IMIoU)，增强边界回归对小目标的敏感性。在VisDrone2019数据集上的实验结果表明，MGEF-DETR相比基线模型RT-DETR在mAP@0.5和mAP@0.5:0.95指标上分别提升3.9%和3.1%，同时参数量减少13.6%。在TinyPerson和CODrone数据集上的验证进一步证实了算法的泛化能力，表明该方法在保持轻量化的同时显著提升了航拍场景下小目标检测的精度和效率。

摘要:水下垃圾检测是维持水下生态系统平衡的关键技术。针对水下垃圾检测面临着目标尺度差异大的问题，提出一种基于YOLO11的水下垃圾检测算法YOLO11-MDA。首先，提出了一种多域特征提取模块MFEM,通过提取空域和频域的目标特征，能够从输入特征图中提取不同尺度特征，增强全局特征与局部信息的表达能力。其次，引入轻量级动态上采样DySample模块，融合上下文信息，提升上采样的质量和效率。最后，引入自适应阈值焦点分类损失ATFL,降低多尺度样本分布不均衡对检测结果的影响，提高多尺度目标的检测精度。实验结果表明，相比基线模型，YOLO11-MDA在TrashCan数据集和Trash_ICRA19数据集的mAP分别达到了91.4%和97%，提升3.1%和10.7%，FPS达到了 354.3 fps的检测速度，充分说明改进的模型整体性能优于其他算法，为水下环境的自动化监测提供一种有效的解决方案。

摘要:钢材缺陷检测对工业质量管控至关重要，但其多尺度、小目标及背景干扰问题制约检测性能。为了提升模型的检测精度与效率，提出一种基于YOLO11改进的缺陷检测网络LiteSteel-YOLO。首先，设计轻量级多尺度融合结构（C3k2-LMSF），通过多尺度卷积核融合与特征引导机制增强多尺度缺陷感知；其次，提出空间通道感知上采样模块（SCAM），基于通道重组与空间偏移运算机制提升小目标检测的鲁棒性并抑制噪声；最后，构建轻量化高效检测头（Efficient-Head）优化计算效率。实验结果表明，所提出的模型在NEU-DET和GC10-DET数据集上的mAP@50分别达到81.7%和70.7%，相较于原模型YOLO11提升了4.0%和2.3%，检测速度为338和530 FPS，有效地提升了对钢材缺陷的检测精度与效率，为工业检测场景提供了解决思路。

摘要:火焰与烟雾检测作为智能监控与灾害预警的重要环节，广泛应用于森林防火、工业安全等领域。然而，现有算法在自然环境下往往面临检测精确率低、速度慢、模型过大等问题。为此，本文提出一种基于轻量化YOLOv8n的火焰烟雾检测方法。该方法采用PP-LCNet替换原有主干网络以减小模型规模，引入CARAFE上采样算子提升特征重建能力，并融合EMA注意力机制以增强目标感知能力。实验结果显示，该改进模型相比YOLOv8n参数量减少1.01 M，计算量降低2.2 G，同时在检测精度和mAP50分别达到94.8%和93.6%，在多种主流轻量化检测模型中表现最佳，兼具精确性与实时性，具备较高应用价值。

摘要:脑肿瘤是一类具有高度侵袭性的神经系统疾病，其早期准确诊断对于制定个性化治疗方案至关重要。基于深度学习的计算机辅助诊断（CAD）技术在医学成像分析中取得了显著进展，但在分类准确性、计算效率及可解释性方面仍存在不足。为此，研究提出了一种基于迁移学习和微调策略优化的EfficientNet模型，通过改进部分卷积层和全连接层，并在网络顶部添加全局平均池化层与Dropout层，以增强模型的特征提取能力与分类性能。同时，引入Grad-CAM技术实现模型决策过程可视化，有效突出脑肿瘤的关键判别特征区域，从而增强模型的可解释性与临床应用可信度。在Figshare数据集上的实验结果表明，所提模型在显著降低参数量与计算复杂度的同时，测试集上的准确率达到99.35%，主要性能指标均优于VGG16、ResNet152V2及Vision Transformer等模型。此外，跨数据集验证实验中模型的准确率达到92.51%，进一步验证了其良好的稳定性与泛化能力。

摘要:针对光伏红外图像中缺陷区域存在目标尺寸小、边缘模糊、易受噪声与背景干扰等问题，提出一种基于YOLOv11的改进算法。首先设计一种引导式局部-全局空间注意力GLGSA模块，用于有效融合局部显著区域信息与全局上下文语义，提升特征表达的判别性。其次，将GLGSA模块与双向特征融合结构BiFPN结合，构建出GLGSA-BiFPN结构提升多尺度特征融合的效果。新增P2检测层以增强对极小目标的检测能力。最后引入NWD损失函数替换原损失函数,增强对小目标的定位精度。在PV-HSD-2025光伏热斑数据集上进行实验验证，结果表明改进算法的检测精度mAP50和mAP50-95相比于YOLOv11n分别提高9.1%和5.6%。有效提高光伏小目标缺陷检测的精度。

摘要:本文针对智能制造中动态环境下工件尺寸测量面临的透视畸变、厚度角点偏移以及多工件持续追踪等挑战，提出了一套高精度视觉测量方法。在预处理阶段，通过相机标定和透视矫正，将采集图像转换为近似正射投影视图。为了得到精确的边缘图像，本文提出一种基于多尺度边缘融合的边缘检测算法，通过对采集图像在不同尺度上进行引导滤波处理后再应用动态Canny边缘检测得到完整的工件轮廓。针对工件厚度引起的角点偏移，本文提出了基于厚度干扰消除的高精度角点提取算法，通过融合亚像素角点与拟合角点实现精确角点定位。此外，本文设计了对象追踪算法对工件质心进行匹配识别，实现了多工件在连续帧中的尺寸自动识别与测量。实验结果显示本方法能对多个任意位姿的工件进行尺寸测量，尺寸测量均值误差为0.599 mm，标准差为0.172 mm，满足工业生产中的测量需求。

摘要:针对无人机电力巡检场景下绝缘子故障检测存在的小目标漏检率高、复杂背景干扰显著及实时性不足等关键挑战，本研究提出一种基于多尺度特征协同优化的改进型YOLOv10n检测模型。通过构建轻量化自适应特征提取网络与多尺度语义增强架构的分层融合机制，在浅层网络采用动态可变形分组卷积与通道重校准策略提升微小缺陷特征敏感性，深层网络则通过多分支空洞卷积金字塔与跨维度注意力机制建立跨尺度关联，实现了检测精度与计算效率的协同优化。提出一种形状敏感的InSh-IoU损失函数，通过动态调整边界框形状权重系数，使长宽比异常目标的定位误差降低，能更好定位绝缘子位置。经自建的绝缘子故障数据集验证，本模型在保持实时检测速度的前提下，平均检测精度(mAP@0.5)达到97.12%，较基准模型提升2.82%。