https://mp.weixin.qq.com/s/Uo3tNmJuCwCYy7h3B0zffg

基于改進(jìn)YOLOv8算法的誤撞輸電線路珍稀鳥(niǎo)類智能識(shí)別

況燕軍1，王秀龍2，胡  京1，邱志斌3*，萬(wàn)周濤3

（1. 國(guó)網(wǎng)江西省電力有限公司電力科學(xué)研究院，南昌，330096；2. 國(guó)家電網(wǎng)有限公司，北京，100031；3. 南昌大學(xué)信息工程學(xué)院，南昌，330031）

論文摘要

為有效防治珍稀鳥(niǎo)類誤撞輸電線路導(dǎo)致的鳥(niǎo)類傷亡與線路跳閘事故，提出一種基于改進(jìn)YOLOv8模型的鳥(niǎo)類智能識(shí)別方法。根據(jù)發(fā)生撞線事故的鳥(niǎo)類信息及輸電線路周邊調(diào)研結(jié)果，構(gòu)建了包含11種珍稀鳥(niǎo)類的圖像數(shù)據(jù)集，采用加霧加噪操作進(jìn)行圖像增廣，用于模擬真實(shí)輸電線路場(chǎng)景。通過(guò)在YOLOv8網(wǎng)絡(luò)的特征提取部分加入大型分離卷積注意力模塊，減少模型參數(shù)量，增強(qiáng)模型對(duì)于鳥(niǎo)類特征的提取速度，并在特征提取和特征融合網(wǎng)絡(luò)中增加輔助檢測(cè)頭，增強(qiáng)模型對(duì)于鳥(niǎo)類特征的學(xué)習(xí)能力，進(jìn)而提高檢測(cè)性能。算例分析表明，改進(jìn)模型的平均精度均值、F1分?jǐn)?shù)和FPS分別為95.11%、91.55%和138.89，實(shí)現(xiàn)了對(duì)于誤撞輸電線路珍稀鳥(niǎo)類的高效準(zhǔn)確識(shí)別。后續(xù)將模型部署在線路桿塔圖像采集系統(tǒng)中，可為珍稀鳥(niǎo)類保護(hù)與輸電線路運(yùn)維提供技術(shù)支持。

論文速覽

隨著電網(wǎng)規(guī)模的日益擴(kuò)大以及生態(tài)環(huán)境逐年向好，珍稀鳥(niǎo)類發(fā)生撞擊輸電線路的意外事故頻繁發(fā)生。為實(shí)現(xiàn)護(hù)鳥(niǎo)這一迫切需求，本研究提出了一種基于改進(jìn)YOLOv8算法的目標(biāo)檢測(cè)模型，通過(guò)構(gòu)建包含黑頸鶴（Grus nigricollis），東方白鸛（Ciconia boyciana）和白枕鶴（Antigone vipio）等11種輸電線路周邊珍稀鳥(niǎo)類圖像數(shù)據(jù)集，對(duì)改進(jìn)YOLOv8模型進(jìn)行訓(xùn)練與測(cè)試，驗(yàn)證了其準(zhǔn)確率與檢測(cè)速度。構(gòu)建的模型能夠及時(shí)識(shí)別輸電線路周圍的鳥(niǎo)類活動(dòng)，有助于減少因撞線事故導(dǎo)致的珍稀鳥(niǎo)類傷亡，并保障輸電線路的安全穩(wěn)定運(yùn)行。

考慮到輸電線路桿塔相機(jī)所捕獲的鳥(niǎo)類圖像普遍清晰度不高，無(wú)法比擬專業(yè)攝影作品的細(xì)膩畫(huà)質(zhì)。此外，多變的天氣和拍攝距離的差異，使得能見(jiàn)度隨著距離的遠(yuǎn)近而波動(dòng)，增加了對(duì)遠(yuǎn)距離目標(biāo)的識(shí)別難度。本研究除了對(duì)YOLOv8算法進(jìn)行改進(jìn)外，針對(duì)原始圖像數(shù)據(jù)采取霧化及噪聲模擬增強(qiáng)手段，進(jìn)一步提高算法的魯棒性與檢測(cè)結(jié)果的真實(shí)性。

● 鳥(niǎo)類圖像加霧加噪后的對(duì)比

為滿足實(shí)際檢測(cè)的需求，本研究針對(duì)YOLOv8模型進(jìn)行改進(jìn)，通過(guò)在空間金字塔池化層（spatial pyramid pooling-fast，SPPF）中添加LSKAttention，有效提高了SPPF模塊在多個(gè)尺度上聚合特征的能力，并在特征提取和特征融合網(wǎng)絡(luò)中添加Aux Head，提高模型的收斂效果和檢測(cè)精度。

● 改進(jìn)YOLOv8模型的網(wǎng)絡(luò)結(jié)構(gòu)

為驗(yàn)證添加的模塊對(duì)于模型檢測(cè)精度及速度的提升效果以及本研究方法的有效性，本研究采用原始數(shù)據(jù)集進(jìn)行消融實(shí)驗(yàn)及對(duì)比實(shí)驗(yàn)，通過(guò)實(shí)驗(yàn)結(jié)果表明本研究方法在檢測(cè)精度及速度上具有一定優(yōu)越性。

● 消融實(shí)驗(yàn)結(jié)果

● 對(duì)比實(shí)驗(yàn)結(jié)果

對(duì)比實(shí)驗(yàn)結(jié)果：

本研究通過(guò)引入大型分離卷積注意力機(jī)制與輔助檢測(cè)頭對(duì)YOLOv8算法進(jìn)行改進(jìn)，構(gòu)建了一個(gè)適用于誤撞輸電線路珍稀鳥(niǎo)類智能識(shí)別的目標(biāo)檢測(cè)模型，通過(guò)對(duì)11種鳥(niǎo)類的檢測(cè)算例分析，驗(yàn)證了該模型在檢測(cè)精度與檢測(cè)速度方面的優(yōu)越性。在未來(lái)研究中，可將該模型部署于輸電線路桿塔視頻圖像監(jiān)控與預(yù)警裝置中，通過(guò)配備邊緣計(jì)算模塊，實(shí)現(xiàn)輸電線路周邊鳥(niǎo)類的實(shí)時(shí)檢測(cè)，在發(fā)現(xiàn)鳥(niǎo)類誤撞線路風(fēng)險(xiǎn)時(shí)自動(dòng)觸發(fā)聲光告警裝置對(duì)其進(jìn)行驅(qū)離，從而降低珍稀鳥(niǎo)類誤撞輸電線路傷亡事故率，并減少電網(wǎng)人工巡檢與涉鳥(niǎo)故障運(yùn)維的工作量，為鳥(niǎo)類生態(tài)保護(hù)與電網(wǎng)安全運(yùn)行提供技術(shù)支撐。

● 基金項(xiàng)目：國(guó)家電網(wǎng)公司總部科技項(xiàng)目(5500-202325185A-1-1-ZN)；江西省“雙千計(jì)劃”創(chuàng)新領(lǐng)軍人才長(zhǎng)期（青年）項(xiàng)目(jxsq2019101071)

● 第一作者簡(jiǎn)介：況燕軍（1988—），男，高級(jí)工程師；主要從事電網(wǎng)涉鳥(niǎo)故障防治與鳥(niǎo)類保護(hù)研究。E-mail：13970929157@126.com

● *通信作者：邱志斌，E-mail：qiuzb@ncu.edu.cn