基于Faster R-CNN的火电厂冷却塔检测及工作状态判定

安健健，孟庆岩，胡蝶，胡新礼，杨健，杨天梁

(1.昆明理工大学国土资源工程学院，昆明 650093；2.中国科学院空天信息创新研究院，北京 100094；3.三亚中科院遥感研究所，三亚 572029；4.中国科学院空天信息研究院海南研究院，三亚 572029)

0 引言

电能是国家重要的战略能源。火力发电是历史上最久远且最重要的发电方式之一[1]。国际能源署(International Energy Agency，IEA)公布的2016年全球电力来源分布图显示，煤、天然气、石油等化石燃料燃烧产生的电量占全球总发电量的65.1%，进一步证明了其重要的战略地位。因此，在大区域范围内，对于火力发电厂的精确检测及其工作状态自动、有效判定变得日益重要。

随着遥感技术的飞速发展，遥感图像目标检测技术也迅速发展[2-3]，区域建议方法[4]和基于区域的卷积神经网络(region-based conoolational neural network,R-CNN)[5]的出现极大提高了目标检测的准确性，但训练时间长且占用空间大。Ren等[6]提出使用区域建议网络(region proposal network,RPN)来生成有效且准确的区域建议，它与检测网络共享完整图像的卷积特征，因此区域建议几乎实现了零成本。生成的区域建议提供给Fast R-CNN作检测使用，从而大大减少了检测网络的运行时间，提高了目标检测精度。在此基础上，国内外一些学者将其应用到遥感图像目标检测中[7-15]：Yao等[16]选取高分辨率遥感影像中油罐目标进行验证实验；Zhang等[17]以机场为检测场景，将飞机作为检测目标进行实验；Zhang等[18]通过自然场景中水面物体的检测，及时发现并处理水面漂浮物。上述实验在检测目标时均取得较好效果，有力推动了Faster R-CNN模型在目标检测中的应用。……