一种改进的DETR输电线通道山火烟雾检测方法.pdfVIP

小型微型计算机系统２０２４年３月第３期

ＤＯＩ：１０．２０００９／ｊ．ｃｎｋｉ．２１１１０６／ＴＰ．２０２２０５３３

ＪｏｕｒｎａｌｏｆＣｈｉｎｅｓｅＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓＶｏｌ．４５Ｎｏ．３２０２４

一种改进的ＤＥＴＲ输电线通道山火烟雾检测方法

张政，何慧

（华北电力大学控制与计算机工程学院，北京１０２２０６）

Ｅｍａｉｌ：ｈｕｉｈｅ＠ｎｃｅｐｕ．ｅｄｕ．ｃｎ

摘要：输电线通道中的火灾会对电力系统的正常运行造成极大的安全隐患，但由于山火烟雾的形状、大小和颜色变化多样导

致传统图像方法检测精度较差．为了提高山火检测精度，本文提出一种基于改进ＤＥＴＲ的输电线通道山火检测方法．首先，在特

征提取阶段加入多尺度特征信息，并利用空洞卷积提高算法对底层特征的感知能力；然后，引入相对位置编码对Ｔｒａｎｓｆｏｒｍｅｒ模

块中的自注意力机制进行改进；其次，利用ＣＩＯＵ对算法的损失函数进行调整；最后，在标注好的输电线通道山火数据集上对改

进后算法进行模型训练和测试．实验结果表明，本文所提出的改进后的ＤＥＴＲ模型平均精度可达到８４．７７％，与原始ＤＥＴＲ算

法相比提高了６．５２％，与其它主流目标检测算法对比，本文提出的山火检测模型可有效识别输电线通道中的山火目标并达到

较高的检测精度．

关键词：山火烟雾检测；深度学习；目标检测；多尺度特征信息；相对位置编码

中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１０００１２２０（２０２４）０３０６７００６

ＩｍｐｒｏｖｅｄＭｏｕｎｔａｉｎＦｉｒｅＳｍｏｋｅｉｎＴｒａｎｓｍｉｓｓｉｏｎＬｉｎｅＣｈａｎｎｅｌＤｅｔｅｃｔｉｏｎＭｅｔｈｏｄｆｏｒＤＥＴＲ

ＺＨＡＮＧＺｈｅｎｇ，ＨＥＨｕｉ

（ＳｃｈｏｏｌｏｆＣｏｎｔｒｏｌａｎｄＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０２２０６，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｔｈｅｆｉｒｅｉｎｔｈｅｔｒａｎｓｍｉｓｓｉｏｎｌｉｎｅｃｈａｎｎｅｌｗｉｌｌｃａｕｓｅｓｉｇｎｉｆｉｃａｎｔｐｏｔｅｎｔｉａｌｓａｆｅｔｙｈａｚａｒｄｓｔｏｔｈｅｏｐｅｒａｔｉｏｎｏｆｔｈｅｐｏｗｅｒｓｙｓｔｅｍ．

Ｈｏｗｅｖｅｒ，ｔｈｅｔｒａｄｉｔｉｏｎａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｍｅｔｈｏｄｓｈａｖｅｐｏｏｒｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙｄｕｅｔｏｔｈｅｖａｒｉｅｔｙｏｆｓｈａｐｅｓ，ｓｉｚｅｓａｎｄｃｏｌｏｕｒｓｏｆ

ｍｏｕｎｔａｉｎｆｉｒｅａｎｄｓｍｏｋｅ．Ｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｍｏｕｎｔａｉｎｆｉｒｅｄｅｔｅｃｔｉｏｎ，ａｍｏｕｎｔａｉｎｆｉｒｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｉｎｔｈｅｔｒａｎｓｍｉｓｓｉｏｎｌｉｎｅ

ｃｈａｎｎｅｌｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＤＥＴＲｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｆｉｒｓｔｌｙ，ｍｕｌｔｉｓｃａｌｅｆｅａｔｕｒｅｉｎｆｏｒｍａｔｉｏｎｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｈｅｆｅａｔｕｒｅｅｘｔｒａｃ

ｔｉｏｎｓｔａｇｅ，ａｎｄｈｏｌｅｃｏｎｖｏｌｕｔｉｏｎｉｓｕｓｅｄｔｏｅｎｈａｎｃｅｔｈｅｐｅｒｃｅｐｔｉｏｎａｂｉｌｉｔｙｏｆｔｈｅａｌｇｏｒｉｔｈｍｔｏｔｈｅｕｎｄｅｒｌｙｉｎｇｆｅａｔｕｒｅｓ．Ｔｈｅｎ，ｒｅｌａｔｉｖｅｐｏ

ｓｉｔｉｏｎｃｏｄｉｎｇｉｓｐｒｅｓｅｎｔｅｄｔｏｉｍｐｒｏｖｅｔｈｅｓｅｌｆａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍｉｎＴｒａｎｓｆｏｒｍｅｒ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅＣＩＯＵｂａｓｅｄｌｏｓｓｆｕｎｃｔｉｏｎｉｓｕｔｉ

ｌｉｚｅｄ．Ｆｉｎａｌｌｙ，ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｓｔｒａｉｎｅｄｂｙｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇｏｎｔｈｅｌａｂｅｌｌｅｄｍｏｕｎｔａｉｎｆｉｒｅｄａｔａｓｅｔ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗ

ｔｈａｔｔｈｅａｖｅｒａｇｅｐｒｅｃｉｓｉｏｎｏｆｔｈｅｉｍｐｒｏｖｅｄＤＥＴＲｍｏｄｅｌｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒｃａｎｒｅａｃｈ８４．７７％，ｗｈｉｃｈｉｓ６．５２％ｈｉｇｈｅｒｔｈａｎｔｈａｔｏｆ

ｔｈｅｏｒｉｇｉｎａｌＤＥＴＲａｌｇｏｒｉｔｈｍ．Ｃｏｍｐａｒｅｄｗｉｔｈｏｔｈｅｒｍａｉｎｓｔｒｅａｍｔａｒｇｅｔｄ