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

基于改進YOLOv8算法的誤撞輸電線路珍稀鳥類智能識別

況燕軍1，王秀龍2，胡  京1，邱志斌3*，萬周濤3

（1. 國網(wǎng)江西省電力有限公司電力科學研究院，南昌，330096；2. 國家電網(wǎng)有限公司，北京，100031；3. 南昌大學信息工程學院，南昌，330031）

論文摘要

為有效防治珍稀鳥類誤撞輸電線路導致的鳥類傷亡與線路跳閘事故，提出一種基于改進YOLOv8模型的鳥類智能識別方法。根據(jù)發(fā)生撞線事故的鳥類信息及輸電線路周邊調研結果，構建了包含11種珍稀鳥類的圖像數(shù)據(jù)集，采用加霧加噪操作進行圖像增廣，用于模擬真實輸電線路場景。通過在YOLOv8網(wǎng)絡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，增強模型對于鳥類特征的提取速度，并在特征提取和特征融合網(wǎng)絡中增加輔助檢測頭，增強模型對于鳥類特征的學習能力，進而提高檢測性能。算例分析表明，改進模型的平均精度均值、F1分數(shù)和FPS分別為95.11%、91.55%和138.89，實現(xiàn)了對于誤撞輸電線路珍稀鳥類的高效準確識別。后續(xù)將模型部署在線路桿塔圖像采集系統(tǒng)中，可為珍稀鳥類保護與輸電線路運維提供技術支持。

論文速覽

隨著電網(wǎng)規(guī)模的日益擴大以及生態(tài)環(huán)境逐年向好，珍稀鳥類發(fā)生撞擊輸電線路的意外事故頻繁發(fā)生。為實現(xiàn)護鳥這一迫切需求，本研究提出了一種基于改進YOLOv8算法的目標檢測模型，通過構建包含黑頸鶴（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類圖像數(shù)據(jù)集，對改進YOLOv8模型進行訓練與測試，驗證了其準確率與檢測速度。構建的模型能夠及時識別輸電線路周圍的鳥類活動，有助于減少因撞線事故導致的珍稀鳥類傷亡，并保障輸電線路的安全穩(wěn)定運行。

考慮到輸電線路桿塔相機所捕獲的鳥類圖像普遍清晰度不高，無法比擬專業(yè)攝影作品的細膩畫質。此外，多變的天氣和拍攝距離的差異，使得能見度隨著距離的遠近而波動，增加了對遠距離目標的識別難度。本研究除了對YOLOv8算法進行改進外，針對原始圖像數(shù)據(jù)采取霧化及噪聲模擬增強手段，進一步提高算法的魯棒性與檢測結果的真實性。

● 鳥類圖像加霧加噪后的對比

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

● 改進YOLOv8模型的網(wǎng)絡結構

為驗證添加的模塊對于模型檢測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)集進行消融實驗及對比實驗，通過實驗結果表明本研究方法在檢測精度及速度上具有一定優(yōu)越性。

● 消融實驗結果

● 對比實驗結果

對比實驗結果：

本研究通過引入大型分離卷積注意力機制與輔助檢測頭對YOLOv8算法進行改進，構建了一個適用于誤撞輸電線路珍稀鳥類智能識別的目標檢測模型，通過對11種鳥類的檢測算例分析，驗證了該模型在檢測精度與檢測速度方面的優(yōu)越性。在未來研究中，可將該模型部署于輸電線路桿塔視頻圖像監(jiān)控與預警裝置中，通過配備邊緣計算模塊，實現(xiàn)輸電線路周邊鳥類的實時檢測，在發(fā)現(xiàn)鳥類誤撞線路風險時自動觸發(fā)聲光告警裝置對其進行驅離，從而降低珍稀鳥類誤撞輸電線路傷亡事故率，并減少電網(wǎng)人工巡檢與涉鳥故障運維的工作量，為鳥類生態(tài)保護與電網(wǎng)安全運行提供技術支撐。

● 基金項目：國家電網(wǎng)公司總部科技項目(5500-202325185A-1-1-ZN)；江西省“雙千計劃”創(chuàng)新領軍人才長期（青年）項目(jxsq2019101071)

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

● *通信作者：邱志斌，E-mail：qiuzb@ncu.edu.cn