基于改进YOLOv8的变电站智能激光驱鸟系统设计与优化

Abstract

随着电力系统智能化与无人值守变电站普及，鸟害成设备安全隐患。针对传统驱鸟周期短、成本高、适应性差问题，本文构建融合深度学习与强化学习的智能激光驱鸟系统：以改进YOLOv8为核心，引入坐标注意力机制、BiFPN特征融合与轻量检测头实现高精度识别；提出Q-Transformer模块，结合Transformer全局建模与Q-learning优化，实现检测动态自学习与边界框微调。实验显示，系统在变电站场景mAP达92.3%，误触发率降2.9%，响应时延缩至173ms，气象条件下稳定运行；部署后鸟害事件减约78%，维护成本降48%，验证可靠性与工程价值。本文为电力场景非致伤式智能驱鸟提供技术参考，对电网生态防护与智能运维意义重要。