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 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

输电线路的安全对国家的发展至关重要，由于吊车等大型机械运作时的高度跟输电线路的高度比较接近甚至更高，当这些设备在输电线附近进行作业时会对输电线路的安全造成威胁. 因此，设计一种能够对输电线路威胁进行自动报警的方法显得十分必要[1].

国家电网在输电塔上配备了图像抓拍设备，但目前其供电方式为太阳能充电，能够提供的功率较小并且难以支撑监控设备的长时间运行. 因此，对输电线路进行全天候监控并利用常规深度学习目标检测的方式来进行报警变得不再可行.针对以上问题，本文提出了一种基于TATLNet的输电线路威胁报警方法，该方法通过红外传感器来对过往的大型设备进行监控[2]，当检测到大型机械时再唤醒系统加以分析以减少能耗. 利用本文提出的一种新的输电线路威胁检测网络TATLNet，并用通道剪枝的策略来对模型进行压缩[3−5]，提高检测速度，使之可以在轻量级计算平台上运行. 同时，由于可以采集到的吊车、起重机等大型机械入侵图像较少，采用传统图像几何变换与GAN[6]（Generative adversarial network，对抗生成网络）相结合的方式来对数据集进行数据增强.

该方法的贡献主要有以下几点：

（1）解决了如何在无人值守的情况下对入侵输电场地的吊车等大型机械进行报警的难题；……