1. 国网四川省电力公司电力科学研究院
2. 重庆大学电气工程学院
Published:2025
移动端阅览
马小敏, 刘凡, 成立, et al. 基于改进YOLOv8的输电线路山火预警算法研究[J]. 2025, 48(3): 68-73.
DOI:
马小敏, 刘凡, 成立, et al. 基于改进YOLOv8的输电线路山火预警算法研究[J]. 2025, 48(3): 68-73. DOI: 10.16527/j.issn.1003-6954.20250310.
输电线路山火监测系统通常以摄像头采集图像进行识别预警,但山火初期烟雾形态多变、背景复杂、捕捉烟雾尺寸小,现有识别算法在用于山火预警图像检测时存在精确度低和实时性差的问题。因此,将全局注意力机制模块引入到YOLOv8模型中,提出一种改进YOLOv8准确监测输电线路山火预警的算法,通过在YOLOv8模型的Neck结构和Head结构之间引入全局注意力机制模块,以解决山火初期烟雾检测中的小目标识别问题。实验结果表明,所提出的改进模型平均精度均值达到98.9%
推理速度提升了35.7%
对山火的识别准确率提升了66.7%
有效提高了对图像中山火烟雾小目标的感知能力,克服了传统方法在复杂背景下的识别困难。这一改进算法为提升输电线路火灾预警的精确度提供了一种更有效的方法。
Proposed GAM-enhanced YOLOv8 algorithm to improve wildfire detection accuracy and speed.
李浩东.基于复合传感器的无线火灾预警系统设计[D].哈尔滨工业大学,2021(03).
王登峰.基于红外技术的输电线路红外监测[D].东南大学,2017(12).
刘瑞锦,何章鸣.基于YOLOv8的卫星遥感图像快速目标检测方法[J].空间控制技术与应用,2023(05).
邱思远,王孝兰,张伟伟,徐杰杰,陈彦召,王战乐.基于YOLOX的森林火灾早期预警研究[J].农业装备与车辆工程,2023(11).
杜宝侠,唐友,辛鹏,杨牧.基于改进YOLOv8的苹果检测方法[J].无线互联科技,2023(13).
祁瑞阳,刘志强,刘晨阳,朱弥雪.基于多源数据的森林火监测研究[J].内蒙古工业大学学报(自然科学版),2022(03).
杨潇钰,余勤,叶强,聂锐华,武瑞娟,雒瑞森.基于遥感技术的输电走廊植被山火预警平台研究[J].自然灾害学报,2021(06).
翟永杰,龙雅芸,江柳,李冰,赵振兵.基于异常检测的输电线路山火检测方法研究[J].华北电力大学学报(自然科学版),2021(06).
谢书翰,张文柱,程鹏,杨子轩.嵌入通道注意力的YOLOv4火灾烟雾检测模型[J].液晶与显示,2021(10).
卫鑫,武淑红,王耀力.基于深度卷积长短期记忆网络的森林火灾烟雾检测模型[J].计算机应用,2019(10).
李小平.山火预警技术在输电线路的应用现状[J].通讯世界,2016(24).
陆佳政,吴传平,杨莉,张红先,刘毓,徐勋建.输电线路山火监测预警系统的研究及应用[J].电力系统保护与控制,2014(16).
王钊.新一代极轨气象卫星FY3A-VIRR数据的地表火监测算法研究与评价[J].火灾科学,2011(03).
王晓希.特高压输电线路状态监测技术的应用[J].电网技术,2007(22).
0
Views
12
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution