计算机工程与应用

作者：王开正, 谭义章, 付一桐, 曾瑶, 李露露

单位：昆明理工大学 电力工程学院，昆明 650500；

关键词：输电线路林火,早期烟雾分割,密集多尺度上下文模块（DMC）,超分辨率亚像素重建模块（SRR）,分层特征融合注意力模块（HFA）

基金：国家自然科学基金（52107017）；云南省科技厅基础研究专项青年项目（202201AU070172）。

输电线路附近发生林火时高温、烟雾和飞灰等因素可能导致绝缘间隙迅速下降，引发输电线路跳闸。由于烟雾出现通常比火焰更早，因此准确的烟雾探测能为电网预留更多处置时间。针对早期烟雾目标小且具有半透明特性造成分割困难的问题，提出了基于密集多尺度上下文和分层特征融合注意力的早期烟雾分割网络。该网络包含密集多尺度上下文模块，通过空洞卷积并行处理以得到烟雾的上下文信息，然后将并行卷积串联以提升有效采样点数量。相较于空洞空间卷积池化金字塔模块，烟雾的信息利用率提升了8.07个百分点，有效采样点数量提升至313个。此外，引入了超分辨率亚像素重建模块，以改善插值法上采样造成的图像失真和信息丢失问题。网络中的分层特征融合注意力模块利用原始、低阶和高阶特征层之间的内在关系，以弥补小薄烟雾的高阶特征信息丢失。实验结果表明，该网络的平均交并比达到79.92%，比基线网络提高6.27个百分点，综合性能优于其他分割网络。可视化分割结果表明，该网络能有效提取小薄烟雾特征信息，边缘分割更加平滑，整体性能获得较大提升，对于输电线路林火的预防具有重要意义。

来源：2026年第8期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第8期