2022年6月8日，吴洋铭同学的论文“基于雷达点云与视觉图像融合的输电线路探鸟驱鸟技术”被《高电压技术》录用，指导老师：高伟副教授。
主要内容：为了克服驱鸟器易被鸟类适应的缺点以及解决基于视觉图像的目标检测算法受天气条件制约的问题，根据毫米波雷达（mmWave-Radar）的特性，提出了一种基于雷达点云和视觉图像融合的探鸟驱鸟方法。首先运用均值拟合实现雷达-相机坐标融合；其次利用视觉和场景增强技术创建了囊括多种气象环境的鸟类点云-图像融合数据集；接着提出一种将雷达点云注意力机制与深度学习识别网络YOLO相结合的鸟类识别模型，实现决策层融合；最后，为提高效率和降低能耗，提出基于3F-GIoU精准驱鸟策略。实验结果表明，所提的鸟类识别方法能够满足实际应用场景中鸟类识别的鲁棒性和准确性，不同天气条件下平均识别准确度为91.21%；所提的3F-GIoU策略能够有效识别鸟类存在危害线路、杆塔的活动。图1是雷达相机的坐标融合示意图，图2是所提的基于双输入的RPAM-YOLO鸟类识别模型，图3是所提算法的部分检测结果。
图1 雷达相机的坐标融合示意图
图2 基于双输入的RPAM-YOLO鸟类识别模型
图3 部分检测结果
结论：提出雷达点云注意力机制RPAM并与目前最为先进的YOLO网络结合来构建目标识别模型，能够充分利用雷达和相机所采集到的信息，在训练过程中采用冻结训练、余弦退火衰减学习率等策略。实验结果表明所提方法的PmAP值为91.21%，与现有的目标检测方法相比，所提方法在精度和鲁棒性上都处于领先水平并能够在实际运用中满足实时性和全天候性，不同算法的对比值如表1。
表1 不同检测算法的性能对比
《高电压技术》是EI期刊，该期刊的影响因子为3.654。
福州大学配电网及其自动化研究中心
组稿：何文秀