工程科学学报.第42卷，第4期：509-515.2020年4月 Chinese Journal of Engineering,Vol.42,No.4:509-515,April 2020 https://doi.org/10.13374/j.issn2095-9389.2019.09.15.004;http://cje.ustb.edu.cn 基于TATLNet的输电场景威胁检测 李梅，郭飞”，张立中》，王波，张俊岭》，李兆桐 1)国网宁夏电力有限公司.银川7500012)国网宁夏电力有限公司吴忠供电公司，吴忠7511013)山东鲁能软件技术有限公司，济南 2500014)中国石油大学（华东）计算机科学与技术学院.青岛266580 ☒通信作者，E-mail:sl8070027@s.upc.edu.cn 摘要在输电场景中，吊车等大型机械的运作会威胁到输电线路的安全.针对此问题，从训练数据、网络结构和算法超参 数的角度进行研究，设计了一种新的端到端的输电线路威胁检测网络结构TATLNet..其中包括可疑区域生成网络VRGNet和 威胁判别网铬VTCNet,VRGNet与VTCNet共享部分卷积网络以实现特征共享，并利用模型压缩的方式压缩模型体积，提升 检测效率，从计算机视觉和系统工程的角度对入侵输电场景的大型机械进行精确预警.针对训练数据偏少的问题，利用多种 数据增强技术相结合的方式对数据集进行扩充.通过充分的试验对本方法的多个超参数进行探究，综合检测准确率和推理 速度来研究其最优配置.研究结果表明，随着网格数目的增加，准确率也随之增加，而召回率有先增加后降低的趋势，检测效 率则随着网格的增加迅速降低.综合检测准确率与推理速度，确定9×9为最优网格划分方案：随着输人图像尺寸的增加，检 测准确率稳步上升而检测效率逐渐下降，综合检测准确率和效率，选择480×480像素作为最终的图像输入尺寸.输人实验以 及现场部署表明，相对于其他的轻量级目标检测算法，该方法对输电现场人侵的吊车等大型机械的检测具有更优秀的准确性 和效率，满足实际应用的需要 关键词深度学习：威胁检测：特征共享：输电场景：轻量级神经网络 分类号TP277 Threat detection in transmission scenario based on TATLNet LI Mei.GUO Fei,ZHANG Li-zhong,WANG Bo2,ZHANG Jun-ling LI Zhao-tong 1)Ningxia Electric Power Co.Ltd.,Yinchuan 750001,China 2)Wuzhong Power Supply Company of Ningxia Electric Power Co.Ltd.,Wuzhong 751101,China 3)Shandong Luneng Software Technology Co.Ltd.,Jinan 250001,China 4)College of Computer Science and Technology,China University of Petroleum,Qingdao 266580,China Corresponding author,E-mail:s18070027@s.upc.edu.cn ABSTRACT The operation of cranes and other large machinery threatens the safety of transmission lines.In order to solve this problem in the transmission scenario,the research from the aspects of data enhancement,network structure and the hyperparameters of the algorithm were performed.And a new end-to-end transmission line threat detection method based on TATLNet were proposed in this paper,which included the suspicious areas generation network VRGNet and threat discrimination network VTCNet.VRGNet and VTCNet share part of the convolution network for feature sharing and we used the model compression to compress the model volume and improved the detection efficiency.The method can realize accurate detection of large-scale machinery invading in the transmission scene from the perspective of computer vision and system engineering.To mend the insufficient training data,the data set was expanded by a combination of various data enhancement techniques.The sufficient experiments were carried out to explore the multiple hyperparameters of this method,and its optimal configuration was studied by synthesizing detection accuracy and inference speed.The 收稿日期：2019-09-15 基金项目：国家重点研发计划资助项目(2017ZX05013-002):山东省自然基金资助项目(ZR2019MF049)基于 TATLNet 的输电场景威胁检测 李    梅1)，郭    飞1)，张立中1)，王    波2)，张俊岭3)，李兆桐4) 苣 1) 国网宁夏电力有限公司，银川 750001    2) 国网宁夏电力有限公司吴忠供电公司，吴忠 751101    3) 山东鲁能软件技术有限公司，济南 250001    4) 中国石油大学（华东）计算机科学与技术学院，青岛 266580 苣通信作者，E-mail: s18070027@s.upc.edu.cn 摘    要    在输电场景中，吊车等大型机械的运作会威胁到输电线路的安全. 针对此问题，从训练数据、网络结构和算法超参 数的角度进行研究，设计了一种新的端到端的输电线路威胁检测网络结构 TATLNet，其中包括可疑区域生成网络 VRGNet 和 威胁判别网络 VTCNet，VRGNet 与 VTCNet 共享部分卷积网络以实现特征共享，并利用模型压缩的方式压缩模型体积，提升 检测效率，从计算机视觉和系统工程的角度对入侵输电场景的大型机械进行精确预警. 针对训练数据偏少的问题，利用多种 数据增强技术相结合的方式对数据集进行扩充. 通过充分的试验对本方法的多个超参数进行探究，综合检测准确率和推理 速度来研究其最优配置. 研究结果表明，随着网格数目的增加，准确率也随之增加，而召回率有先增加后降低的趋势，检测效 率则随着网格的增加迅速降低. 综合检测准确率与推理速度，确定 9×9 为最优网格划分方案；随着输入图像尺寸的增加，检 测准确率稳步上升而检测效率逐渐下降，综合检测准确率和效率，选择 480×480 像素作为最终的图像输入尺寸. 输入实验以 及现场部署表明，相对于其他的轻量级目标检测算法，该方法对输电现场入侵的吊车等大型机械的检测具有更优秀的准确性 和效率，满足实际应用的需要. 关键词    深度学习；威胁检测；特征共享；输电场景；轻量级神经网络 分类号    TP277 Threat detection in transmission scenario based on TATLNet LI Mei1) ，GUO Fei1) ，ZHANG Li-zhong1) ，WANG Bo2) ，ZHANG Jun-ling3) ，LI Zhao-tong4) 苣 1) Ningxia Electric Power Co. Ltd., Yinchuan 750001, China 2) Wuzhong Power Supply Company of Ningxia Electric Power Co. Ltd., Wuzhong 751101, China 3) Shandong Luneng Software Technology Co. Ltd., Jinan 250001, China 4) College of Computer Science and Technology, China University of Petroleum, Qingdao 266580, China 苣 Corresponding author, E-mail: s18070027@s.upc.edu.cn ABSTRACT    The  operation  of  cranes  and  other  large  machinery  threatens  the  safety  of  transmission  lines.  In  order  to  solve  this problem in the transmission scenario, the research from the aspects of data enhancement, network structure and the hyperparameters of the algorithm were performed. And a new end-to-end transmission line threat detection method based on TATLNet were proposed in this paper,  which  included  the  suspicious  areas  generation  network  VRGNet  and  threat  discrimination  network  VTCNet.  VRGNet  and VTCNet share part of the convolution network for feature sharing and we used the model compression to compress the model volume and improved the detection efficiency. The method can realize accurate detection of large-scale machinery invading in the transmission scene from the perspective of computer vision and system engineering. To mend the insufficient training data, the data set was expanded by  a  combination  of  various  data  enhancement  techniques.  The  sufficient  experiments  were  carried  out  to  explore  the  multiple hyperparameters of this method, and its optimal configuration was studied by synthesizing detection accuracy and inference speed. The 收稿日期: 2019−09−15 基金项目: 国家重点研发计划资助项目（2017ZX05013-002）；山东省自然基金资助项目（ZR2019MF049） 工程科学学报，第 42 卷，第 4 期：509−515，2020 年 4 月 Chinese Journal of Engineering, Vol. 42, No. 4: 509−515, April 2020 https://doi.org/10.13374/j.issn2095-9389.2019.09.15.004; http://cje.ustb.edu.cn