基于TATLNet的輸電場景威脅檢測

李 梅，郭 飛，張立中，王 波，張俊嶺，李兆桐

1) 國網寧夏電力有限公司，銀川 750001 2) 國網寧夏電力有限公司吳忠供電公司，吳忠 751101 3) 山東魯能軟件技術有限公司，濟南250001 4) 中國石油大學（華東）計算機科學與技術學院，青島 266580

輸電線路的安全對國家的發展至關重要，由于吊車等大型機械運作時的高度跟輸電線路的高度比較接近甚至更高，當這些設備在輸電線附近進行作業時會對輸電線路的安全造成威脅. 因此，設計一種能夠對輸電線路威脅進行自動報警的方法顯得十分必要[1].

國家電網在輸電塔上配備了圖像抓拍設備，但目前其供電方式為太陽能充電，能夠提供的功率較小并且難以支撐監控設備的長時間運行. 因此，對輸電線路進行全天候監控并利用常規深度學習目標檢測的方式來進行報警變得不再可行.針對以上問題，本文提出了一種基于TATLNet的輸電線路威脅報警方法，該方法通過紅外傳感器來對過往的大型設備進行監控[2]，當檢測到大型機械時再喚醒系統加以分析以減少能耗. 利用本文提出的一種新的輸電線路威脅檢測網絡TATLNet，并用通道剪枝的策略來對模型進行壓縮[3?5]，提高檢測速度，使之可以在輕量級計算平臺上運行. 同時，由于可以采集到的吊車、起重機等大型機械入侵圖像較少，采用傳統圖像幾何變換與GAN[6]（Generative adversarial network，對抗生成網絡）相結合的方式來對數據集進行數據增強.

該方法的貢獻主要有以下幾點：

（1）解決了如何在無人值守的情況下對入侵輸電場地的吊車等大型機械進行報警的難題；……