中国安全科学学报

作者：姜垣良, 任庆滢, 任远, 刘海鹏, 董绍华

单位：1 中国石油大学(北京) 安全与海洋工程学院,北京 102249；2 中国石油集团 中油国际管道公司, 北京 102206；3 中国石油大学(北京) 油气生产安全与应急技术应急管理部重点实验室, 北京 102249；4 中国石油大学(北京) 人工智能学院,北京 102249

关键词：YOLO,中缅油气管道,遥感图像,高后果区,目标检测,智能识别

基金：中国石油天然气集团有限公司-中国石油大学(北京)战略合作科技专项(ZLZX2020-05)

为解决中缅油气管道国外段外界环境敏感且复杂多变、人工巡检难度大、危险系数高的问题,提出一种改进的高后果区目标检测算法。首先通过引入卷积注意力模块(CBAM)自适应地学习通道和空间注意力,以增强网络的感知能力和泛化能力;然后使用精确边界框回归的高效交并比(Focal-EIoU)损失全面考虑目标特征和相互关系,处理类别不平衡问题,减少易分类样本的干扰,增强模型鲁棒性;最后将改进模型应用至中缅油气管线遥感图像地区属性化智能识别,并进行相关消融试验,以验证改进YOLO模型的有效性。结果表明: 采用所提方法识别中缅油气管线遥感图像特征,田地、绿地、居住地、河流4类地区检测的平均精度均值(mAP)达68.2%;相比于YOLOv5、YOLOx及YOLOv8分别提高29%、21.6%、10.7%。

来源：2025年第1期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第1期