基于智能WBR-LIEA算法的电网输电线路中山火预警监测研究

为了维护电网安全稳定运行，加强对山火的预防，通过考虑主备路由的链路重要度评估算法(Link Importance Evaluation Algorithm Based on Working and Backup Routing, WBR-LIEA)对电网输电线路中山火预警监测系统进行了优化。首先对山火预警监测系统进行了分析，然后利用WBR-LIEA算法对山火预警系统从服务层、传输层和物理拓扑层进行了关联风险值的评估，再将三个层面的链路关联风险进行融合，用来度量网络中链路的重要度。当链路失效引起路由中断时，控制器将按照重要度对路由进行重新分配，避免山火对报警通信系统产生影响，导致预警不及时。最后在电力通信网上对算法进行仿真实验并进行了相关分析，证明了该算法的准确性和有效性。     

基于改进YOLOv5的输电线路多目标检测

针对当前目标检测网络层数加深、参数量和计算量加大，造成实时性差等问题，为了实现对输电线路部件的识别与检测，提出一种基于改进YOLOv5的输电线路多目标检测算法。首先，使用ShuffleNetv2结构作为网络特征提取的主干结构，减少网络的参数量；然后，将PANet网络中的BottleneckCSP改为Light＿CSP模块，加快特征融合的速度；其次，使用CIoU loss、DIoU-NMS方法减少预测框的位置损失和漏检问题。最后，为了验证所提算法的有效性，利用输电线路图像数据集进行训练与测试。结果表明，改进YOLOv5的参数量为7.5×106，浮点计算量为10.9，平均精度达到了87.5%,FPS达到69.2,能够满足输电线路部件检测的精度、轻量化与实时性要求。     

山火的无线传感与RBF分析研究

研发了一种基于智能无线传感器网络的电力铁塔山火监测分析系统,系统通过对楚雄腰站变电站输电线路周围山地火灾诱发参数情况进行远程在线监测,对监测数据进行趋势分析,对山火发生情况下产生的数据变化进行分析。并采用径向基函数（RBF）神经网络进行回归拟合,预测火灾危险等级。经过测试样本的验证,表明 RBF 神经网络对于山火监测有较高的准确率,可以对监测数据进行预测分析,适用于山火预测。     

基于MODIS数据的华北地区秸秆焚烧监测

秸秆焚烧给我国城乡生态环境造成巨大损害,利用遥感手段监测秸秆焚烧能够为禁烧治理工作提供有效的数据支持。“背景对比火点探测算法”(the Contextual Fire Detection Algorithm)是目前精度较高的自动探测算法,但固定的阈值参数难以适用于不同地区和不同的监测对象,因此依据实际观测情况对其中的关键参数和阈值进行了适当调整,以更好地监测中国地区的火点。基于EOS/Terra卫星的MODIS数据,利用调整阈值后的算法对我国华北地区2007年5月至8月的秸秆焚烧状况进行了遥感监测,监测精度能够满足实际业务化监测的需要。进一步结合IGBP地表分类数据,将火点像元分成秸秆焚烧、林火和草原火等3种生物焚烧类型,并分别对其亮度温度等多个参数进行了统计分析,在此基础上讨论了根据火点辐射特性判断火点类别的可行性,提出在目前,地表分类数据对于判断火点类别仍是必要的。     

一种改进的DETR输电线通道山火烟雾检测方法

输电线通道中的火灾会对电力系统的正常运行造成极大的安全隐患,但由于山火烟雾的形状、大小和颜色变化多样导致传统图像方法检测精度较差.为了提高山火检测精度,本文提出一种基于改进DETR的输电线通道山火检测方法.首先,在特征提取阶段加入多尺度特征信息,并利用空洞卷积提高算法对底层特征的感知能力;然后,引入相对位置编码对Transformer模块中的自注意力机制进行改进;其次,利用CIOU对算法的损失函数进行调整;最后,在标注好的输电线通道山火数据集上对改进后算法进行模型训练和测试.实验结果表明,本文所提出的改进后的DETR模型平均精度可达到84.77%,与原始DETR算法相比提高了6.52%,与其它主流目标检测算法对比,本文提出的山火检测模型可有效识别输电线通道中的山火目标并达到较高的检测精度.     

基于亮温—植被指数—气溶胶光学厚度的MODIS火点监测算法研究

MODIS火灾产品的火点检测算法主要以4和11μm通道亮温数据来识别火点,在应用于不同地区和不同季节时有一定局限性。在分析MODIS现有火点检测算法的基础上,对算法相关阈值及参数进行适当调整,同时考虑火灾前后NDVI的变化,以及林火燃烧过程中伴生烟羽使火点下风方气溶胶光学厚度明显增加的特点,构建了基于亮温—植被指数—气溶胶光学厚度的火点识别算法,并应用多次火灾个例对本算法进行验证。结果表明:算法提高了对高温热点和低温焖烧火点的识别能力,有效降低了高温热点的误报率和低温火点的漏报率,使火点检测算法在不同环境的适应性有所增强。     

EOS-MODIS 数据林火识别算法的验证和改进

EOS-MODIS 数据在森林火情监测中的应用研究日益受到世界各国的重视。为了获得适用于中国不同地区森林火情监测的成熟技术, 很有必要对现有MODIS 数据林火监测理论算法进行验证分析, 探讨其在中国不同地域和季节中使用时的通用性。为此, 利用中国境内9 起森林火灾事件对MODIS 数据火点识别的理论算法进行验证分析。结果显示9 起森林火灾有8 起被有效检测到, 1 起森林火情被遗漏。通过对9 起森林火点及其邻近像元的统计分析, 发现如下两个重要规则:利用火点亮温偏离统计均值3 倍标准差的关系来确定阈值, 可以避免火点的遗漏; 林火点在CH21和CH22 上的亮温值一般有CH21- CH22< 20 K, 而噪声点在两个波段上的差异却比较大。用以上规则改进的MODIS 林火热点识别算法可以检测出用来验证的全部9 起林火事件, 从而证明了改进算法的有效性和通用性。     

浅析500 kV输电线路故障跳闸原因及预防策略

输电线路出现跳闸故障后,导致大面积区域停电现象,影响到输电线路功率的输送。本文以500kV输电线路为例,详细介绍其故障跳闸的气候原因、鸟类活动、山火等原因,并结合原因提出几点预防措施,提出气候观测、改善不合格的接地网、安装避雷装置、控制火源、山火监测预警等预防措施,以期帮助有关单位做好500kV输电线路的跳闸故障预防工作,尽量减少跳闸次数以及跳闸带来的影响,为人们生产生活带来高质量的电能资源。     

无线传感器网络在电力铁塔山火监测中的应用

山火燃烧形成的导电物质,在导线与地面间产生大量电荷,造成导线对地放电;烟雾使得输电线路之间发生空气间隙被击穿,导致线路跳闸或停运事故。针对山火导致输电线路跳闸故障多发且防治困难的问题,基于无线传感器网络技术,选取变电站周围3个塔架,安装三套山火监测设备,对变电站周围的烟雾、温湿度、CO和H2S进行实时监测,系统实现了对变电站周围的火情发现和输电线路运行的火险警告。监测结果表明:在4月23号~6月16号期间,温度的变化范围为10~35℃,湿度的变化范围为20%~80%RH,CO的变化范围为(0~7)×10-6,H2S为0。系统运行至今,成功监测变电站周围两次森林火灾。     

卫星监测林火实地验证

陕西省农业遥感信息中心自1990年11月13日开始森林火情监测以来,在省境内外已数次监测到火情,经与省防火办联系并通过他们对各个火点进行核实,卫星监测的火点定点基本准确,为了进一步提高监测精度,更好地为领导及有关部门服务,在征求省防火办意见后,该中心于11月27日派员赴洛南验证气象卫星14日监测到的伍仙森林火灾情况。据洛南县防火办介绍,他们根据地区防火办转来的信息于14日17时找到火点(当日15时卫星过境,     

基于YOLO v3的输电线路鸟类检测技术研究

输电线路安全是电网安全稳定运行的前提,但是鸟类对输电线路造成的危害直接威胁到输电线路的安全运行.为解决传统驱鸟器启停策略的弊端,提出基于YOLO v3算法的输电线路鸟类检测模型.通过输电线路监控装置获取图像数据,使用残差模块提取图像的深层次特征,采用多尺度目标检测策略来保证鸟类的检测效果.实验结果表明,在输电线路鸟类检测任务中,该模型准确率可以达到86.75%,检测速度达到47 frame/s,可以精确实时地检测出输电线路周围的鸟类数目,并验证了该模型在雨天、雾天、抖动情况下具有较强鲁棒性,可以保障输电线路的安全、稳定运行.     

基于环境减灾小卫星数据的森林火灾迹地检测算法研究

森林火灾迹地是森林火灾的基本描述因子之一,是评估森林火灾严重程度的重要资料。本文基于环境减灾小卫星数据的特性,提出将GEMI指数作为火灾迹地检测指数;为了降低利用单幅影像进行火灾迹地检测时云污染现象对检测精度造成的影响,构建时序GEMI指数合成方法;并进一步提出适用于环境减灾小卫星数据的基于时序合成GEMI影像的火灾迹地检测算法;最后,将算法应用于2009年4月发生在中国黑龙江的森林火灾,检测结果表明该算法能准确地反映出森林火灾过火区域。     

面向巡线无人机高压线实时检测与识别算法

以巡线无人机巡航中识别高压输电线为背景,提出一种准确、实时的高压输电线检测与识别算法.首先,针对高压输电线成像是线状结构和低灰度值的特征而且其空间分布近似水平,提出一种基于方向约束的多尺度线状目标强化算法.此方法把近似水平方向的高压输电线目标强化出来的同时,能够很好地抑制竖直方向线状干扰物体和非线状背景及噪声.然后,对强化后的结果进行基于角度约束的Radon变换.由于高压输电线邻近区域的灰度分布近似,在Radon变换中引入用于识别高压输电线的识别因子,以获得高压输电线的识别结果,并抑制近似水平的干扰物体.实际的飞行试验结果表明,该算法对高压输电线识别具有很好的抗噪性、抗干扰性和实时性.     

基于高性能集群计算平台的林火监测算法

为能在森林火灾发生后快速获取火情信息和共享异地资源,提出一种基于高性能集群计算平台的林火监测算法。介绍基于多处理器的高性能计算平台,以及卫星图像火点识别算法的并行化实现方法,对影响运行效率的各种因素进行对比分析。实验结果表明,在已选择合理并行任务数的情况下,该算法可有效提高执行效率。     

基于无线传感器网络的大型场所火情检测与定位算法

针对商场等大型场所火灾监控存在的火情态势估计不明、监控节点孤立、预警准确率低、火源定位不准确等问题,提出一种基于无线传感器网络的大型场所火灾检测与定位算法。采用人工神经网络对火灾检测节点数据进行学习训练和火情估计,并经过模糊推理决策,给出火灾报警信息。利用受限空间烟雾扩散模型、气体温度扩散模型实现火源定位,并准确估计火情,以提供消防人员灭火决策。从单节点神经网络火灾报警仿真实验得出单节点火灾检测概率较高,同时从多节点火情定位实验得出,火情的覆盖范围描绘准确,火源定位精度较好。理论分析和实验结果表明火灾检测和定位算法是可行的。     

基于计算机视觉的车辆违章轧线监管系统研究

针对目前车辆违章轧线监管系统监控范围小和准确率有待提高的问题,为了尽可能扩大监控范围和提高准确率,本文提出一种基于高速球型摄像机的主动智能车辆轧线监管方法。首先,根据实际需求设计硬件系统和软件系统,并利用高速球机的机动性,提出静态检测和动态抓拍相结合的方法,以扩大监管范围。此外,针对准确率不高的问题,提出两步轧线检测算法,即根据前景最小外接矩形框初步判断是否轧线,再进一步通过轧线附近的区域统计前景比例来精确判断,从而提高轧线检测的准确率和抗干扰能力。实验结果表明,相比于传统轧线检测系统,本文设计的系统监控范围扩大了1倍,并且检测准确率提高了21.1%,实现了大范围内对违章轧线车辆的有效监管。     

基于视频的嵌入式森林火灾预警系统

针对目前我国森林火情远程监控中长时间不间断监测、建设成本高的不足,提出了一种基于视频的嵌入式森林火灾监测和报警的系统。嵌入式处理器对安插在森林监测点摄像头采集到的视频图像,通过昼间或夜间火情识别算法进行智能处理,当潜在异常确认为异常发生时,通过无线网络将火情信息传送到监控中心,交由工作人员做进一步处理,避免了长时间不间断监控。与现有其他同类系统的比较表明：该系统对于我国森林火情监测有较大的实用价值。     

Assessing the utility of the TET-1 hotspot detection and characterization algorithm for determining wildfire size and temperature

The detection and characterization of wildfires using satellite remote-sensing systems has improved considerably over the last 30 years, with daily, global coverage maintained by a number of satellite systems. The recent deployment of new satellite systems, such as Technologie-Erprobungs-Träger-1 (TET-1/Technology-Experiments-Carrier-1), with a higher spatial resolution than the current satellite sensing systems employed for global fire detection, presents an opportunity to investigate the utility and accuracy of the TET-1 detection and characterization algorithm in detecting fires over a range of areas and temperatures. In this study, simulated fire landscapes were generated based on varying fire area (1–100,000 m²) and fire temperature (450–1200 K) and passed through the TET-1 algorithm. The results indicate the TET-1 algorithm to estimate fire area to ±12% and fire temperature to ±3%, which implies that under the test conditions, the products generated by TET-1 have a low systematic error.     

交通监控场景下的相机标定与车辆速度测量

针对交通监控场景中对车辆速度测量的需求,提出了一种相机标定方法和车辆速度测量方案。首先,通过深度学习YOLO检测算法和光流跟踪算法对图像中的车辆目标进行检测和跟踪,根据获得的轨迹集合使用级联霍夫变换计算出道路方向上的消失点,从而检测出道路上的标志线。之后根据消失点和标志线,使用试探焦距思想完成相机标定任务。最后通过计算多帧之间瞬时速度的平均值来实现车辆速度的测量。通过真实交通监控场景的实验结果表明,这种基于消失点的自动相机标定方法具有较好的稳定性和较高的标定精度,能够满足车辆速度测量和实际工程应用的需求。     

融合注意力机制的无锚点森林火灾检测算法

森林火灾、野火是一个重大的自然灾害问题,每年全球各地植被都会受到严重的破坏。为了提高森林火灾的防控精度,针对传统方法具有火灾背景复杂、准确率低、效率低等问题,本文提出一种基于CenterNet的森林火灾检测算法。CenterNet作为一种无锚的方法,将目标定义为一个点,通过关键点估计定位目标的中心点,可以有效避免小目标的漏检。同时基于高效深层特征提取网络ResNet50,融合ECA模块以抑制无用信息,增加模型的特征提取能力。在公开森林火灾数据集上进行实验表明,与其他算法相比,本文提出的森林火灾检测算法误检率低,识别精度达到92.39%,F1值为0.86,Recall值为79.75%,FPS为43.31。本文提出的方法检测精度高,可满足实时检测森林火灾和实施精准施救的要求。