0 引言
输电线路巡检是保障输电设备安全的重要措施之一。随着技术的发展，当前的巡检方式逐渐由传统的人工巡检转变为无人机智能巡检[1-2]。通过无人机搭载高清摄像机和基于人工智能的图像识别算法，可以快速自动识别输电线路中的多种风险点，这种方式大大提高了巡检的效率。在各种风险点中，山火是其中一项重要的内容。
基于智能图像处理的山火识别可分为传统图像处理检测方法和深度学习检测方法两大类[3-4]。传统图像处理方法利用火焰目标的颜色、纹理、边缘和频闪性等特征来进行检测，如严云洋[5]提出一种基于RGB和HSI空间融合形状结构特征的检测方法；刘培江[6]提出一种利用火焰的尖角数、圆形度等特征提取的检测方法；Borges[7]通过提取火焰视频帧之间的动态变化，将火焰的频闪性以及其他特征输入到贝叶斯分类器中来判定是否存在火焰目标。深度学习检测方法通过卷积神经网络实现目标特征的自动提取并进行目标识别，如Xie[8]提出一种自适应轻量级卷积神经网络，同时提取运动闪烁的动态特征和深度静态特征；Muhanmad[9]在GoogleNet的基础上，根据火焰特性进行网络结构的调整，提高模型泛化能力；Shen[10]在YOLO网络上进行轻量化，使用9个卷积层、池化层和激活函数组成的附加层进行预训练，完成火焰初定位，再使用4层卷积调整特征图大小进行结果检测，增加结果框的准确度，该网络更加适合于现场嵌入式设备部署；杨传凯[11]提出一种基于SSD网络模型的输电线路山火检测方法,实现输电线监控场景中的山火检测。此外，还有基于雷达回波数据与遥感图像融合的输电线路山火智能检测方法与火情分析方法[12-13]。由于山火非刚体，其在燃烧过程中外形多变，且背景复杂，当前的深度学习模型在山火识别任务中常常会出现误检和漏检，因此，面对输电线路智能巡检任务，有必要寻找一种性能更好的山火识别与检测方法。
本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005712
作者信息：
薛倩楠1，王剑1，刘涛2，闫希颖2
（1.国网陕西省电力有限公司西安供电公司，陕西 西安 710032；2.西安英诺视通科技有限公司， 陕西 西安 710075）
