在绝缘子检测过程中,由于航拍绝缘子图像中背景复杂,检测目标尺度相差较大等特点,容易出现漏检和误检。为了能更准确地检测出缺陷的绝缘子,提出了一种CHD-YOLO算法模型。首先,在颈部网络中,采用轻量级的跨尺度特征融合模块CCFM,更好地利用特征信息,并降低了网络的计算复杂度,减少网络计算开销。然后,将HAttention注意力机制融入YOLOv8n算法中,以获取更多细节特征,提高模型提取和融合目标特征的能力。最后,引入Dynamic Head模块,增强检测头的尺度感知、空间感知和任务感知性能,提高模型对那些难以检测的小缺陷区域的识别能力。实验结果表明,改进后的 YOLOv8模型mAP 值达到了 93.0%,相较于原 YOLOv8提升了 2.3%。该方法在精度和速度上达到了平衡,满足了电力系统绝缘子缺陷准确的检测需求。