1.基于改进YOLOv8n的输电线路绝缘子缺陷和杆塔鸟巢检测方法，其特征在于，包括以下步骤：步骤1：收集输电线路绝缘子缺陷和杆塔鸟巢巡检图像制作数据集，将数据集划分为训练集、验证集和测试集，并通过数据增强进行数据集的扩充；

步骤2：对YOLOv8n算法进行改进，构建输电线路绝缘子缺陷和杆塔鸟巢检测模型；

步骤3：使用训练集对模型进行训练，使用训练后的模型对待检测的巡检图像进行检测，比较改进前后YOLOv8n算法的实验结果；

在步骤2中，具体包括以下子步骤：

步骤2‑1：设计PCFocalNeXt‑C2f模块，并使用该模块对YOLOv8n算法进行优化，优化方法包括如下步骤：步骤2‑1‑1：在C2f模块的第一个CBS模块之前和最后一个CBS模块之后各加一个PConv用于提高其特征提取的能力，并使用Focal NeXt block替换C2f模块中的Bottleneck，设计PCFocalNeXt‑C2f模块；

步骤2‑1‑2：将改进前的YOLOv8n的backbone中所有C2f模块替换为步骤2‑1‑1中设计的PCFocalNeXt‑C2f模块;步骤2‑2：使用支持在非相邻层次上直接交互作用的渐近金字塔网络（AFPN），替换YOLOv8n的Neck部分；

步骤2‑3：引入损失函数ECIoU，对YOLOv8n中的损失函数进行优化，并采用ECIoU‑NMS获取检测结果。

2.根据权利要求1所述的基于改进YOLOv8n的输电线路绝缘子缺陷和杆塔鸟巢检测方法，其特征在于，在步骤1中，包括以下子步骤：步骤1‑1：进行输电线路绝缘子缺陷和杆塔鸟巢巡检图像收集；

步骤1‑2：进行数据集的制作和扩充，制作和扩充的方法包括如下步骤：步骤1‑2‑1：使用Labelme对收集到的多张巡检图像进行标签标注，其中包含五种检测目标，即绝缘子自爆(explosion)、绝缘子破损(breakage)、绝缘子闪络(flashover)、杆塔鸟巢(nest)和绝缘子串(insulator)；

步骤1‑2‑2：将数据集按8:1:1的比例划分为训练集、验证集以及测试集；

步骤1‑2‑3：使用数据增强的方法对步骤1‑2‑2划分后的数据集进行扩充，并将原始的多张图像数据进行扩充。

3.根据权利要求1所述的基于改进YOLOv8n的输电线路绝缘子缺陷和杆塔鸟巢检测方法，其特征在于，在步骤2‑3中，ECIoU损失函数定义为：；(1)

；(2)

；（3）

式中：IoU表示真实框和预测框的交并比，b和bgt分别表示预测框和真实框的中心点，表示计算两个中心点间的欧式距离， 表示权重函数，用来度量长宽比的相似性；wgt和hgt分别表示真实框的宽度和高度，w和h分别表示预测框的宽度和高度，ECIoU的 项使用Sigmoid函数形成矩形框长宽比的惩罚项。

4.根据权利要求1所述的基于改进YOLOv8n的输电线路绝缘子缺陷和杆塔鸟巢检测方法，其特征在于，在步骤2‑1‑1中，PCFocalNeXt‑C2f模块在C2f模块的第一个CBS模块之前和最后一个CBS模块之后各加一个PConv，并使用Focal NeXt  block替换C2f模块中的Bottleneck。

5.根据权利要求1所述的基于改进YOLOv8n的输电线路绝缘子缺陷和杆塔鸟巢检测方法，其特征在于，在步骤3中，具体包括以下子步骤：步骤3‑1：进行模型训练时，设置输入图像尺寸(imgsz)为640×640，批量(batch)为64，训练周期(epochs)为300，进程数(workers)为32，使用的优化器(optimizer)为SGD，初始学习率(lr0)和最终学习率(lrf)均为0.01；

步骤3‑2：使用训练集分别对原始YOLOv8n模型与改进后YOLOv8n模型进行训练，设置了消融实验，比较改进前后YOLOv8n算法的实验结果。

6.根据权利要求5所述的基于改进YOLOv8n的输电线路绝缘子缺陷和杆塔鸟巢检测方法，其特征在于，在步骤3‑1中，使用准确率Precision、召回率Recall、F1值、低质量模型精度指标mAP@0.5和高质量模型精度指标mAP@0.5‑0.95来评价模型的检测性能，使用参数量Parameters来评价模型的大小；准确率Precision即为预测为正确的数据中真实值为正确的比例；召回率Recall表示查全率，即预测出来的正确类别框的概率；F1值表示调和平均值，用来平衡准确率和召回率的指标；mAP@0.5表示IoU阈值为0.5时的所有检测类别的平均检测精度；mAP@0.5‑0.95表示IoU阈值以0.05为步长从0.5增加到0.95时的10个mAP值的平均值，该指标相较于只考虑IoU阈值为0.5时的mAP@0.5更能体现出模型的精度；Parameters表示模型含有的参数量；其中准确率Precision、召回率Recall、F1值、平均精度指标mAP@

0.5和mAP@0.5‑0.95的计算公式如式（4）（8）：

~

；(4)

；(5)

；(6)

；(7)

；(8)。