《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 人工智能 > 設(shè)計(jì)應(yīng)用 > 一種基于深度學(xué)習(xí)模型的無(wú)人機(jī)巡檢輸電線路山火檢測(cè)方法
一種基于深度學(xué)習(xí)模型的無(wú)人機(jī)巡檢輸電線路山火檢測(cè)方法
電子技術(shù)應(yīng)用
薛倩楠，王 劍，劉 濤，閆希穎
（1.國(guó)網(wǎng)陜西省電力有限公司西安供電公司，陜西 西安 710032；2.西安英諾視通科技有限公司， 陜西 西安 710075）
摘要： 輸電巡檢圖像的背景復(fù)雜，目標(biāo)檢測(cè)易受干擾，基于YOLOX神經(jīng)網(wǎng)絡(luò)模型，提出一種輸電線路山火檢測(cè)方法。首先采用YOLOX的主干特征提取網(wǎng)絡(luò)框架，并將其中多尺度特征提取模塊的常規(guī)卷積替換為可變形卷積；其次在加強(qiáng)特征提取階段增加了通道注意力和空間注意力模塊的融合，能夠自適應(yīng)火焰的外形多變特點(diǎn)，更加有效地提取到山火特征，從而提高目標(biāo)檢測(cè)的準(zhǔn)確率。經(jīng)實(shí)驗(yàn)驗(yàn)證，所提方法能夠較為準(zhǔn)確地檢測(cè)到山火，滿足日常巡檢的需求。
中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)志碼：A DOI: 10.16157/j.issn.0258-7998.233863
中文引用格式： 薛倩楠，王劍，劉濤，等. 一種基于深度學(xué)習(xí)模型的無(wú)人機(jī)巡檢輸電線路山火檢測(cè)方法[J]. 電子技術(shù)應(yīng)用，2023，49(10)：46-52.
英文引用格式： Xue Qiannan，Wang Jian，Liu Tao，et al. A mountain fire detecting method based on the deep learning model for UAV-based transmission line patrol inspection[J]. Application of Electronic Technique，2023，49(10)：46-52.
A mountain fire detecting method based on the deep learning model for UAV-based transmission line patrol inspection
Xue Qiannan1，Wang Jian1，Liu Tao2，Yan Xiying2
(1.State Grid Shaanxi Electric Power Company Xi'an Power Supply Company， Xi'an 710032， China； 2.Xi'an ?nnovision Technology Co.， Limited， Xi'an 710075， China)
Abstract： The background of the power transmission line inspection image is complex, and the target detection is easy to be disturbed. Based on YOLOX neural network model, this paper proposes a method of power transmission line mountain fire detection. Firstly, the backbone feature extraction network framework of YOLOX is adopted, and the conventional convolution of the multi-scale feature extraction module is replaced by deformable convolution. Secondly, the fusion of channel attention and spatial attention modules is added in the enhanced feature extraction stage, which can adapt to the variable shape of flames, extract mountain fire features more effectively, and thus improve the accuracy of target detection. The experiment verifies the effectiveness of the proposed method.
Key words : power transmission line inspection；mountain fire identification；neural network；target detection；YOLOX

0　引言

輸電線路巡檢是保障輸電設(shè)備安全的重要措施之一。隨著技術(shù)的發(fā)展，當(dāng)前的巡檢方式逐漸由傳統(tǒng)的人工巡檢轉(zhuǎn)變?yōu)闊o(wú)人機(jī)智能巡檢[1-2]。通過(guò)無(wú)人機(jī)搭載高清攝像機(jī)和基于人工智能的圖像識(shí)別算法，可以快速自動(dòng)識(shí)別輸電線路中的多種風(fēng)險(xiǎn)點(diǎn)，這種方式大大提高了巡檢的效率。在各種風(fēng)險(xiǎn)點(diǎn)中，山火是其中一項(xiàng)重要的內(nèi)容。

基于智能圖像處理的山火識(shí)別可分為傳統(tǒng)圖像處理檢測(cè)方法和深度學(xué)習(xí)檢測(cè)方法兩大類[3-4]。傳統(tǒng)圖像處理方法利用火焰目標(biāo)的顏色、紋理、邊緣和頻閃性等特征來(lái)進(jìn)行檢測(cè)，如嚴(yán)云洋[5]提出一種基于RGB和HSI空間融合形狀結(jié)構(gòu)特征的檢測(cè)方法；劉培江[6]提出一種利用火焰的尖角數(shù)、圓形度等特征提取的檢測(cè)方法；Borges[7]通過(guò)提取火焰視頻幀之間的動(dòng)態(tài)變化，將火焰的頻閃性以及其他特征輸入到貝葉斯分類器中來(lái)判定是否存在火焰目標(biāo)。深度學(xué)習(xí)檢測(cè)方法通過(guò)卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)目標(biāo)特征的自動(dòng)提取并進(jìn)行目標(biāo)識(shí)別，如Xie[8]提出一種自適應(yīng)輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)，同時(shí)提取運(yùn)動(dòng)閃爍的動(dòng)態(tài)特征和深度靜態(tài)特征；Muhanmad[9]在GoogleNet的基礎(chǔ)上，根據(jù)火焰特性進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)的調(diào)整，提高模型泛化能力；Shen[10]在YOLO網(wǎng)絡(luò)上進(jìn)行輕量化，使用9個(gè)卷積層、池化層和激活函數(shù)組成的附加層進(jìn)行預(yù)訓(xùn)練，完成火焰初定位，再使用4層卷積調(diào)整特征圖大小進(jìn)行結(jié)果檢測(cè)，增加結(jié)果框的準(zhǔn)確度，該網(wǎng)絡(luò)更加適合于現(xiàn)場(chǎng)嵌入式設(shè)備部署；楊傳凱[11]提出一種基于SSD網(wǎng)絡(luò)模型的輸電線路山火檢測(cè)方法,實(shí)現(xiàn)輸電線監(jiān)控場(chǎng)景中的山火檢測(cè)。此外，還有基于雷達(dá)回波數(shù)據(jù)與遙感圖像融合的輸電線路山火智能檢測(cè)方法與火情分析方法[12-13]。由于山火非剛體，其在燃燒過(guò)程中外形多變，且背景復(fù)雜，當(dāng)前的深度學(xué)習(xí)模型在山火識(shí)別任務(wù)中常常會(huì)出現(xiàn)誤檢和漏檢，因此，面對(duì)輸電線路智能巡檢任務(wù)，有必要尋找一種性能更好的山火識(shí)別與檢測(cè)方法。



本文詳細(xì)內(nèi)容請(qǐng)下載：http://ihrv.cn/resource/share/2000005712




作者信息：

薛倩楠1，王劍1，劉濤2，閆希穎2

（1.國(guó)網(wǎng)陜西省電力有限公司西安供電公司，陜西 西安 710032；2.西安英諾視通科技有限公司， 陜西 西安 710075）



微信圖片_20210517164139.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。