Corona discharge merupakan fenomena pelepasan muatan listrik yang dapat menjadi indikator awal terjadinya gangguan pada peralatan tegangan tinggi, sehingga diperlukan sistem deteksi yang akurat dan otomatis. Penelitian ini bertujuan mengembangkan sistem deteksi dan segmentasi corona discharge berbasis citra menggunakan algoritma YOLOv8-Segmentation dengan klasifikasi tingkat intensitas corona discharge ke dalam tiga kelas, yaitu rendah, sedang, dan tinggi. Dataset yang digunakan berupa citra corona discharge yang telah melalui tahapan preprocessing, meliputi penyesuaian ukuran citra, augmentasi data, serta anotasi mask secara manual. Model dilatih dan diuji menggunakan metrik evaluasi berbasis mask, yaitu precision, recall, mAP@50, dan mAP@50–95. Hasil pengujian menunjukkan bahwa model menghasilkan nilai precision sebesar 0,875, recall sebesar 0,888, mAP@50 sebesar 0,865, dan mAP@50–95 sebesar 0,667, dengan performa terbaik pada kelas intensitas sedang dan tinggi, sedangkan kelas intensitas rendah menunjukkan akurasi yang lebih rendah akibat karakteristik visual yang kurang kontras terhadap latar belakang. Hasil penelitian ini menunjukkan bahwa YOLOv8-Segmentation mampu mendeteksi dan melakukan segmentasi corona discharge dengan baik serta berpotensi diterapkan sebagai sistem pendukung pemantauan kondisi peralatan listrik berbasis citra.