标题：基于Transformer架构的电力系统烟火隐患检测模型
作者：赵溶生 彭炜东 张元栋 李光耀 冯胜 谭娟；王强
作者单位：中国长江电力股份有限公司，湖北 宜昌 443002；浙江大华系统工程有限公司，浙江 杭州 310000
关键字：电力系统；烟火检测；Transformer；DETR；多锚点
摘要：电力系统中烟火隐患的实时监测与精准识别，对于保障设备安全运行和防范火灾事故具有重要意义。随着无人机与计算机视觉技术的快速发展，基于视觉的目标检测方法在电力系统烟火监测中展现出广阔的应用前景。然而，当前主流目标检测算法在复杂电力设施环境下仍面临检测精度不高和鲁棒性不足等挑战。为此，提出一种基于Detection Transformer（DETR）架构的改进型目标检测模型，用于提升电力系统周边烟火目标的检测性能。该方法在DETR基础上引入三项关键改进：①解码器驱动的多锚点匹配策略，提升候选框对单一烟火目标的匹配效率，增强检测召回能力；②中心化扰动机制，在训练阶段对锚框进行随机扰动，引导模型更准确地学习烟火区域特征，提升密集场景下的稳定性；③引入SIoU损失函数，优化边界框回归过程，提高模型的收敛速度与定位精度。实验结果表明，所提出的模型在多个实际烟火图像数据集上的检测精度均显著优于现有检测方法，验证了模型在电力系统火灾监测中的应用潜力。