基于改进YOLOv11的树木入侵目标检测算法

王彦海; 白昱哲; 王杨; 唐波; 方日新; 吕晓龙

doi:10.11714/acta.snus.ZR20260042

您当前的位置：

首页 >

文章列表页 >

基于改进YOLOv11的树木入侵目标检测算法

更新时间：2026-06-26

- 基于改进YOLOv11的树木入侵目标检测算法
- A target detection algorithm for tree encroachment on transmission lines based on improved YOLOv11
- 中山大学学报(自然科学版)(中英文) 2026年页码：1-13
- 作者机构：
  
  1.三峡大学电气与新能源学院 / 湖北省输电线路工程技术研究中心，湖北宜昌 443002
  2.重庆市三峡水利电力学校，重庆 404000
- 作者简介：
  
  王彦海（1981年生），男；研究方向：智慧化检测与识别； E-mail：45245356@qq.com
- 基金信息：
  
  国家自然科学基金(52327811);湖北省输电线路工程技术研究中心开放基金(2024KXL07)
- DOI：10.11714/acta.snus.ZR20260042
  中图分类号： TM77;TP39
- 收稿：2026-02-03，
  
  修回：2026-03-30，
  
  录用：2026-03-09，
  
  网络首发：2026-06-26，
- 稿件说明：
移动端阅览
王彦海, 白昱哲, 王杨, 等. 基于改进YOLOv11的树木入侵目标检测算法[J/OL]. 中山大学学报(自然科学版)(中英文), 2026,1-13.

Wang Yanhai, Bai Yuzhe, Wang Yang, et al. A target detection algorithm for tree encroachment on transmission lines based on improved YOLOv11[J/OL]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2026, 1-13.
王彦海, 白昱哲, 王杨, 等. 基于改进YOLOv11的树木入侵目标检测算法[J/OL]. 中山大学学报(自然科学版)(中英文), 2026,1-13. DOI： 10.11714/acta.snus.ZR20260042.

Wang Yanhai, Bai Yuzhe, Wang Yang, et al. A target detection algorithm for tree encroachment on transmission lines based on improved YOLOv11[J/OL]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2026, 1-13. DOI： 10.11714/acta.snus.ZR20260042.

摘要

基于YOLOv11提出了一种航拍图像检测算法MA-YOLOv11。首先设计SE-C3k2模块，在轻量化同时保留细小树枝特征。其次，采用多尺度共享卷积模块替换SPPF模块。然后，结合MAFPN结构增加小目标检测头P2并设计了HMA-Net网络结构，强化浅层细节信息与高层语义信息的交互，提高对小目标的检测精度。最后，采用多尺度注意力检测头，使其能有效地处理树叶遮挡场景。实验结果表明：相较于基准模型，改进的MA-YOLOv11模型精确度和召回率分别上升4.2%和4.1%，而mAP50指标上升5.2%，验证了方法对树木入侵检测的有效性。

Abstract

An aerial image detection algorithm named MA-YOLOv11 is proposed based on YOLOv11. First，the SE-C3k2 module is designed to preserv the features of small branches while achieving lightweight. Second，the multi-scale shared convolution module replaces the SPPF module. Then，a novel HMA-Net network structure is constructed by incorporating the MAFPN architecture，adding a small target detection head P2，and reducing redundant paths. This enhances the interaction between shallow detail information and high-level semantic information，thereby improving the detection accuracy for small targets. Finally，a multi-scale attention detection head is employed to effectively handle scenes with leaf occlusion. Experimental results show that compared to the baseline model，the improved MA-YOLOv11 model increases of 4.2% in precision，4.1% in recall，and 5.2% in the mAP50 metric，validating the effectiveness of this method for treeencroachment detection.

关键词

Keywords

references

厉秉强，王骞，王滨海，等， 2010 . 利用无人直升机巡检输电线路［J］. 山东电力技术， 37 （ 1 ）： 1 - 4 .

刘高，陈浩，廖建东，等， 2025 . 架空输电线路无人机巡检影像中的隐患识别［J］. 沈阳工业大学学报， 47 （ 2 ）： 258 - 264 .

刘宏志，黄振龙，邱彬，等， 2026 . 基于改进YOLOv11n的输电线路主要缺陷检测方法［J/OL］. 高电压技术， 1 - 12 .［ 2026-06-24 ］. https：//doi.org/10.13336/j.1003-6520.hve.20241908 https://doi.org/10.13336/j.1003-6520.hve.20241908 .

马富齐，王波，董旭柱，等， 2020 . 电力视觉边缘智能：边缘计算驱动下的电力深度视觉加速技术［J］. 电网技术， 44 （ 6 ）： 2020 - 2029 .

聂凯，李泽，高文豪，等， 2025 . 基于YOLOv8-RFL模型的电力绝缘子缺陷检测方法［J］. 电网技术， 49 （ 9 ）： 3948 - 3957 .

王彦海，郭宸昕，吴德强， 2026 基于改进YOLOv 7的输电线路机械外破隐患目标检测方法［J］. 电测与仪表， 63 （ 1 ）： 64 - 71 .

王强，冯云涛，周超， 2025 . 基于GE-YOLO算法的输电线路绝缘子多类型缺陷检测研究［J］. 高压电器， 61 （ 6 ）： 92 - 101 .

王彧， 2023 . 基于YOLOv7的输电线路防振锤识别及缺陷检测［D］. 哈尔滨：东北农业大学 .

谢从珍，黄梦成，黄奕琅，等， 2026 . 基于WMEF-YOLO的绝缘子缺陷图像检测方法［J］. 高电压技术， 52 （ 3 ）： 1268 - 1279 .

张文丽， 2024 . 搭载于某型巡线机器人的架空输电线路故障检测系统研究［D］. 北京：华北电力大学 .

Chen J Q ， Ma A Q ， Huang L X ， et al ， 2024 . Efficient and lightweight grape and picking point synchronous detection model based on key point detection ［J］. Comput Electron Agric ， 217 ： 108612 .

Finder S E ， Amoyal R ， Treister E ， et al ， 2024 . Wavelet convolutions for large receptive fields ［M］// Computer Vision-ECCV 2024 . Springer ： 363 - 380 .

Girshick R ， 2016 . Fast R-CNN ［C］// International Conference on Computer Vision . Santiago，Chile ： 1440 - 1448 .

He K ， Zhang X ， Ren S ， et al ， 2015 . Spatial pyramid pooling in deep convolutional networks for visual recognition ［J］. IEEE Trans Pattern Anal Mach Intell ， 37 （ 9 ）： 1904 - 1916 .

Li J F ， Wen Y ， He L H ， 2023 . SCConv： Spatial and channel reconstruction convolution for feature redundancy ［C］// IEEE/CVF Conference on Computer Vision and Pattern Recognition . Vancouver， BC， Canada ： 6153 - 6162 .

Liu W ， Anguelov D ， Erhan D ， et al ， 2016 . SSD： Single shot MultiBox detector ［M］// Computer Vision-ECCV 2016 . Springer ： 21 - 37 .

Ma F Q ， Wang B ， Dong X Z ， et al ， 2020 . Power vision edge intelligence：Edge computing-driven acceleration technology for deep vision in electric power ［J］. Power System Technology ， 44 （ 6 ）： 2020 - 2029 .

Redmon J ， Divvala S ， Girshick R ， et al ， 2016 . You only look once：Unified，real-time object detection ［C］// IEEE Conference on Computer Vision and Pattern Recognition . Las Vegas，NV， USA ： 779 - 788 .

Ren S ， He K ， Girshick R ， et al ， 2017 . Faster R-CNN： Towards real-time object detection with region proposal networks ［J］. IEEE Trans Pattern Anal Mach Intell ， 39 （ 6 ）： 1137 - 1149 .

Yang Z ， Guan Q ， Zhao K ， et al ， 2024 . Multi-branch auxiliary fusion YOLO with re-parameterization heterogeneous convolutional for accurate object detection ［C］// Pattern Recognition and Computer Vision . ACM ： 492 - 505 .

Yu Z P ， Huang H B ， Chen W J ， et al ， 2024 . YOLO-FaceV2： A scale and occlusion aware face detector ［J］. Pattern Recognit ， 155 ： 110714

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

多次顶空固相微萃取在不同年份广陈皮挥发性化合物定量中的应用

地下水污染多手段联合溯源——以珠三角典型污染场地为例

中药大品种培育的探索与实践：上市后质量与药效再评价

基于UFLC-Q-TOF-MS/MS技术分析障眼明片浸膏的化学成分和入血成分

1982—2021年天山NDVI时空变化及影响因素