摘要：输电线路作为电力系统的重要组成部分，承担着电能传输的作用，其运行状态直接影响电网整体运行的稳定和安全。随着我国一系列超/特高压输电工程的建成或改造，电网公司曾专门出台相关文件，明确规定输电线路工程跨越高速铁路、高速公路和重要输电通道（简称“三跨”）属于四级以上

输电线路作为电力系统的重要组成部分，承担着电能传输的作用，其运行状态直接影响电网整体运行的稳定和安全。随着我国一系列超/特高压输电工程的建成或改造，电网公司曾专门出台相关文件，明确规定输电线路工程跨越高速铁路、高速公路和重要输电通道（简称“三跨”）属于四级以上安全风险施工。

在输电线路“三跨”覆盖范围不断扩大的同时，输电线路走廊也存在着诸多潜在安全风险问题，极易引发例如违规施工机械进入输电线路危险区间或触碰输电线路等外力破坏事件。同时，外力破坏造成的输电线路故障重合闸动作成功率较低，会对电网安全稳定运行造成严重影响。因此，对隐患目标进行准确识别和精确定位是必要的输电线路巡查检修措施。

我国目前主要使用“无人机巡检为主，人工巡检为辅”的输电线路巡检及运维模式，但是无人机巡检也存在操作难度较大、飞行距离有限、野外不确定因素较多等限制，不适宜大范围推广。

在此背景下，使用固定位置的单目相机作为视觉终端监拍输电线路走廊，再利用计算机视觉技术对实时监测数据进行信息提取，准确地识别出障碍物，是输电线路走廊防外破研究的一个重要方向。为此，广西大学郑含博、胡思佳等学者采集并构建了构建输电走廊隐患目标数据集，提出一种基于YOLO-2MCS的输电线路走廊隐患目标检测方法。

图1 YOLO-2MCS网络结构

他们首先采用Mosaic+Mixup的混合数据增强策略对数据集进行有效扩充，避免场景单一可能造成的模型训练过拟合问题。在EfficientRep骨干网络引入卷积注意力机制模块（CBAM），减少原骨干网络提取过程中的特征损失，提升模型对隐患目标的识别和定位能力。

图2 针对输电线路走廊隐患目标的Mosaic数据增强

图3 针对输电线路走廊隐患目标的Mixup数据增强

然后，构建使用softplus激活函数的双向特征金字塔结构（FPN）颈部，加强模型特征学习能力和训练过程中的收敛速度。在检测头部分引入SIoU损失函数，通过高效反向传播优化模型参数，有效提高模型检测精度和检测速度。

图4 激活函数图像

图5 角度代价函数计算示意图

研究者表示，通过以上方法，该模型不仅可以准确地识别输电线路走廊监拍场景下的外破隐患目标类别，并且能快速精准定位隐患目标位置，同时满足安装在移动边缘端设备的需求，为输电线路走廊防外破工作提供了智能化新方法。

他们指出，未来工作开展方向应当持续聚焦输电线路走廊隐患目标数据集的数量扩充和隐患类别扩充，同时针对黑夜、雨天、雾天等特殊天气场景对模型进行进一步改进，以满足实际应用场景中全天候监拍需求。

本工作成果发表在2024年第13期《电工技术学报》，论文标题为“基于YOLO-2MCS的输电线路走廊隐患目标检测方法”。本课题得到国家自然科学基金和广西科技基地和人才专项资助项目的支持。

来源：电气新科技