电力线巡线是电网日常维护的重要组成部分，对保障电网健康运行起着至关重要的作用。然而，大量输电线路架设在交通不便的山区，人工巡线的效率较低，而使用无人机巡线可以克服以上缺点，但实时回传的画面清晰度不足，容易造成漏检，因此将故障识别部署到无人机上辅助人工判断是一个较好的方案。从图像中将电力线分割出来是进行电力线缺陷检测的基础，因此开发一种轻量级的电力线提取算法十分必要。

电力线提取可以分为传统方法和基于数据的深度学习方法。在传统方法方面，Zhang等人(2012)在Hough域中提取直线段，并同时进行线段聚类和线追踪；Song和Li(2014)通过FDoG(flow-based difference-of-Gaussians)和匹配滤波器提取图像边缘信息，接着进行形态滤波提取线段区域, 并用图理论进行线段聚类，该方法可以实现对曲线电力线的识别；Baker等人(2016)则先对地面拍摄的电力线图像进行预变换以凸显其抛物线特征，再使用Hough变换或者随机Hough变换进行抛物线识别，同时提出了一个基于临近像素的线追踪算法。传统方法在其特定的应用场景内有着较好的效果，但若涉及到该算法参数难以适应的应用场景，则需要专家知识对滤波器、变换域和特征提取进行调整，这使得算法迭代更新较为困难。赵乐等人(2021)对当前的可见光电力线提取算法研究现状进行了综述。基于数据的深度学习方法发展迅速，在多个领域的表现超越了传统算法。深度模型的网络架构一旦确定，就可以通过向数据集中添加数据进行增量训练的方式来提高在特定场景中的模型表现，具有相对较低的算法更新成本。

数据和模型是深度学习方法中至关重要的两个部分。电力线语义分割的具体任务中可供使用的数据集较小，因此选择一种小样本下也能取得较好性能的模型是一个较好的选择，同时，也有必要对数据集进行增强，以提高模型的泛化能力。在语义分割模型方面，将大型图像分类数据集的预训练模型作为主干网络进行特征提取是一种常见的网络设计思路，但此类预训练模型的容量和计算量本身已经较大，对于相对简单的电力线分割任务而言，其特征存在大量冗余。另一方面，也有一些轻量化的语义分割模型相继提出，如Paszke等人(2017)提出的ENet(efficient neural network)，Zhao等人(2018)提出的ICNet(image cascade network)和Yu等人(2018)提出的BiSeNet(bilateral segmentation network)等。电力线的分割任务粒度较粗，且属于较为简单的二分类任务，当前主要方法均采用自行设计或改进基础网络的方式进行电力线提取。Madaan等人(2017)以VGG(Visual Geometry Group)16网络为原型定义了一系列编解码模块，并搜索了最优的编解码模块组合。Zhang等人(2019)则以VGG16作为主干网络并自行设计了解码模块。王栩文(2019)对Deeplab v3+的解码器部分进行了改进，设计了更复杂的解码结构，同时选用ResNet-101或Xception作为主干网络提取特征。刘嘉玮等人(2020)则对U-Net网络进行改进，但该改进网络计算量依然较大，难以在无人机等资源受限的终端进行实际部署。对上述网络性能进行评估后，选择刘嘉玮等人(2020)的改进U-Net网络为基础模型，通过网络剪枝来进一步轻量化网络结构，以降低部署时的资源需求。

除进行模型轻量化之外，该工作在以下几个方面仍有可改进的空间：1)该工作训练集为由2 000幅生成的直线电力线图像，相对于其使用的4 000幅曲线电力线测试集而言容量较小，有必要研究数据集增强方法; 2)语义分割研究中有许多其他的损失函数被提出，并且获得了比focal损失函数更好的结果，因此在损失函数选择上仍有改进的空间; 3)实际情况中，模型的输出概率分布可能因光照条件和季节变化发生偏移，故有必要研究自适应的阈值选择方法。

总体流程图如图 1所示。围绕提升基础模型性能和对其进行轻量化两方面，进行了以下改进和研究：

1) 提出采用生成对抗网络结合圆锥曲线生成曲线电力线数据集的方法进行数据增强，同时进行色相扰动训练, 提升了对季节变化的鲁棒性。

2) 在灰度空间和RGB空间上分别对几种损失函数进行测试，证实了在RGB空间采用soft-IoU损失函数或在灰度空间中采用Dice损失函数是较好的组合。

3) 提出一种联合通道范数与一阶梯度的显著度指标，并用其指导模型稀疏化；同时对稀疏模型进

行网络剪枝, 并采用改进的重训练流程以降低模型部署时的资源需求并尽量保护模型性能。实验中，轻量化灰度模型计算量为完整RGB模型的3.05%，二者的IoU(intersection-over-union)指标分别为0.459和0.573。

4) 在轻量化网络上采用Otsu法进行判决阈值选择，此方法能有效提升模型对亮度变化的鲁棒性。

采用监督或半监督的方式训练语义分割网络需要像素级标注精度的数据集，而电力线所具有的纹理特征和像素数量远远少于常规语义分割任务中的目标物体，因此对标注精度的要求也就更高。实验采用Yetgin和Gerek(2019a, b)的两个数据集，总共包含4 400组图像，其中一半为不包含电力线的背景图像，而另一半中只有200组图像进行了语义分割任务的标注。若直接将200组图像进一步划分为训练、验证和测试集，训练集样本数量难以满足训练需求。故采用生成对抗网络(generative adversarial networks，GAN)生成8 000幅可见光图像对数据集进行增强。

Goodfellow等人(2014)提出生成对抗网络，其核心是设计一个可将随机生成的噪声信号映射到样本空间的生成网络，同时设计一个判别网络对生成网络的输出和真实数据进行区分，并在训练中对生成网络和判别网络进行交替训练。Arjovsky和Bottou(2017)以及Arjovsky等人(2017)从理论上指出先前生成对抗网络损失函数的缺陷，同时提出使用Wasserstein距离来衡量生成分布与样本分布的差异性。Karras等人(2018)提出PGGAN(progressive growing of GANs)，该网络使用改进的Wasserstein损失函数，并采取了从小尺寸的图像开始逐渐提高到全尺寸的训练方式，同时在每次尺寸提升时对原网络进行自动生长，实现了高达1 024×1 024像素的高质量人像生成。

首先采用PGGAN网络生成部分背景数据进行数据集增强。生成网络输入为从正态分布中随机采样的100维噪声向量，输出为128×128像素的可见光图像。然后，对生成图像使用双线性插值进行10倍上采样，采用圆锥曲线生成电力线样本并进行高斯模糊。具体而言，使用随机数对圆锥曲线的焦点、焦半径、曲线的粗细、透明度以及线段条数进行扰动。最后在透明度通道上对二者进行图像融合，融合公式为

$ \begin{gathered} p_{\text {out }} =(1-\alpha) p_{\text {bg }}+\alpha p_{\text {fg }} \\ \alpha =\frac{p_{\mathrm{fg}}}{255}(0.8-0.5 n) \end{gathered} $

(1)

式中，${p_{{\rm{out}}}}$为融合像素，$\alpha $为混合系数，${p_{{\rm{bg}}}}$为背景像素，${p_{{\rm{fg}}}}$为前景像素(即生成的电力线像素)，$n$为从0~1均匀分布中采样的随机数($n$~${\rm{U}}$(0, 1))。生成的图像及其标签如图 2所示。

基础模型采用刘嘉玮等人(2020)提出的基于U-Net改进网络。U-Net由Ronneberger等人(2015)提出，当前已成为语义分割网络的基本模型之一，其各种变体在各类分割任务中均有广泛应用。实验部分将与Madaan等人(2017)以及Zhang等人(2019)提出的模型进行对比。

同时，采用FocalLoss、soft-IoU和Dice这3种损失函数分别训练RGB和灰度输入的基础模型，并对收敛性能进行研究，找出最优组合以提升基础模型的性能。3种损失函数的表达式分别为

$ L_{\text {focal }}=-y^{\prime} \log y-\left(1-y^{\prime}\right) \log (1-y) $

(2)

$ L_{\text {soft -iou }}=1-\frac{\sum\limits_{i=1}^{m} y_{i} y_{i}^{\prime}}{\sum\limits_{i=1}^{m}\left(y_{i}+y_{i}^{\prime}-y_{i} y_{i}^{\prime}\right)} $

(3)

$ L_{\text {dice }}=1-\frac{2 \sum\limits_{i=1}^{m} y_{i} y_{i}^{\prime}+1}{\sum\limits_{i=1}^{m}\left(y_{i}+y_{i}^{\prime}\right)+1} $

(4)

式中，$y^\prime $为样本标签，$y$为预测值，$m$为标签图像的像素总数。

在选取基础模型之后，采取模型压缩的方式对模型进行轻量化。基础模型参数数量约为7.78 M，处理60幅128×128像素大小的可见光图像(处理1 280×720像素大小的视频，每帧需分为60个图像块)所需浮点运算数(floating-point operations per second, FLOPs)为128 G。然而，航拍图像画面变化速度较快，且航拍设备对功率、重量体积等有较高的要求，若不对模型进行压缩直接使用将难以满足应用场景的硬件限制和实时性需求。

网络压缩主要有量化、低秩分解、剪枝和模型蒸馏等几种方法。这些方法通常可互相结合使用，如Han等人(2016)采用“迭代剪枝—量化—编码”的方式。Liu等人(2019)认为网络剪枝可能是一个网络搜索过程，网络结构搜索需要进行大量的架构尝试，计算代价大，是一个很有前景的研究方向。而选取的基础模型当前已经能够在此任务上取得较好的效果，因此对其进行压缩是一个更直接的选择。为避免模型性能在压缩过程中发生突变，采用保守的先进行稀疏正则化再进行模型剪枝的方法。

为最大限度地进行模型压缩并降低剪枝阶段阈值选取的难度，采用0范数正则化的方式进行模型稀疏，并对稀疏模型进行通道级结构剪枝。正则化方式可以最大限度进行模型压缩，同时0范数正则化有利于提升通道间神经元的显著度差异，利于修剪阈值的选择。相比于非结构性剪枝对硬件优化或编译器优化的依赖，结构剪枝对于各类未经优化的推理终端均有明显的加速作用。同时，为进一步进行模型压缩，提出了一种联合的显著度指标，可以实现更佳的压缩效果。

显著度计算是剪枝的核心问题之一。因网络过于稀疏，采用输出通道卷积核的2范数作为显著度评价指标就可达到较好的压缩效果。需要注意的是，该指标在显著度差异较大的时候能较好发挥作用，但在差异较小时容易造成误剪。以某一层的卷积核为例，第$i$个输出通道的2范数为

$ \overline{\boldsymbol{\phi}_{i}}=\left\|\boldsymbol{w}_{i}\right\|_{2}=\sqrt{\sum\limits_{h, w, c} \boldsymbol{W}(h, w, c, i)^{2}} $

(5)

式中，${\mathit{\boldsymbol{w}}_i}$为第$i$个输出通道的参数集合，$\mathit{\boldsymbol{W}}$为该层卷积的卷积核，$h, w, c, i$分别代表卷积核的高、宽、输入通道和输出通道。

除范数之外，基于泰勒展开的指标因其具有明确的数学基础受到了较多的关注。该方法始于Le等人(1989)提出的OBD(optimal brain damage)算法，Molchanov等人(2017, 2019)将其应用到深度网络上并对其进行改进，仅进行一阶泰勒展开以规避高阶导数的求解，其输出通道$i$的显著度为

$ \overline{\overline{\phi_{i}}}=\sum\limits_{h, w, c}\left(\frac{\partial L(\boldsymbol{D}, \boldsymbol{W}) \boldsymbol{W}(h, w, c, i)}{\partial \boldsymbol{W}(h, w, c, i)}\right)^{2} $

(6)

式中，$L, \mathit{\boldsymbol{D}}$分别为模型损失函数和输入数据集。

然而，模型训练过程中梯度数值变化较大，数量级相当不稳定。因此，通过上述展开法获得的显著度数值难以通过预先定义缩放系数的方式来保持其在迭代过程中的数值范围稳定。这对于迭代过程中的阈值选择相当不利。相反，2范数在层内显著度计算的精确度上不及一阶展开法，但从实验中看，2范数能提供各层显著度的相对参考，具有更稳定的数值范围。因此，提出一种联合指标，先采用一阶展开法计算显著度，并将各层显著度分别放缩到0~1区间，再用各层输出通道2范数的最大值分别进行加权，以稳定数值范围，便于正则化算法的迭代更新。结合式(5)(6)，其表达式如下

$ \boldsymbol{\varPhi}=\left\{\phi_{i} \mid \phi_{i}=\frac{\max \limits_{j \in[1, I]}\left(\overline{\phi_{j}}\right) \cdot \overline{\overline{\phi_{i}}}}{\max \limits_{j \in[1, I]}\left(\overline{\overline{\phi_{j}}}\right)}, i \in[1, I]\right\} $

(7)

式中，$\mathit{\boldsymbol{ \boldsymbol{\varPhi} }}$为由同一层各输出通道显著度$i$组成的显著度向量，$I$为该层的输出通道总数。

正则化算法的主干采用基于半二次方分裂法的0范数正则化算法。其正则化流程如算法1所示。

算法1   0范数稀疏正则化

输入：数据集$\mathit{\boldsymbol{D}}$，模型参数${\mathit{\boldsymbol{W}}^{(0)}}$。

参数：初始正则半径${r^{(0)}}$，终止正则半径${r^{(N)}}$, 迭代步长$\sigma $，损失倍数$k$。

输出：模型参数${\mathit{\boldsymbol{W}}^{(N)}}$。

1)   令${r^{(n)}} = {r^{(0)}}$

2)   While ${r^{(n)}} < {r^{\left(N \right)}}$ do

3)     计算各通道显著度$\phi _i^{(n)}$

4)     根据$\phi _i^{(n)}$计算辅助变量${\mathit{\boldsymbol{T}}^{(n)}} = \{ t_1^{(n)}, t_2^{(n)}, \ldots \} $

$ t_{i}^{(n)}= \begin{cases}w_{i}^{(n)} & \phi_{i}^{(n)} \geqslant r^{(n)} \\ 0 & \text { 其他 }\end{cases} $

5)     最小化下式计算${\mathit{\boldsymbol{W}}^{(n)}}$(${\alpha ^{(n)}}$可由${r^{(n)}}$算得):

$ \begin{aligned} &L=\min \limits_{\boldsymbol{W}^{(n)}}\left\{L\left(\boldsymbol{D}, \boldsymbol{W}^{(n)}\right)+\right. \\ &\left.\alpha^{(n)}\left\|\boldsymbol{W}^{(n)}-\boldsymbol{T}^{(n)}\right\|_{2}^{2}\right\} \end{aligned} $

6)     更新半径${r^{(n + 1)}} = {r^{(n)}}/\sqrt \sigma $

7)     End while

返回：模型参数${\mathit{\boldsymbol{W}}^{(N)}}$。

算法1中，$n$为当前迭代次数，${r^{(0)}}, {r^{(N)}}$分别代表起始与结束时的正则半径，起始半径越大搜索范围越广。迭代终止半径越小则低显著度区域的显著度越低，剪枝的准确度越高。为稳定二者的取值范围，在进行正则化之前先将显著度进行归一化，使得各层的显著度主要分布在0~1区间内。在此前提下，${r^{(0)}}, {r^{(N)}}$典型值分别为1和0.1。$\sigma $与半径收敛速度有关，通常设置为1.2。$k$用于控制正则项与训练函数的数值比例，该比例过大可能造成网络性能严重下降，一般设置为8。${\mathit{\boldsymbol{T}}^{(n)}}$与${\mathit{\boldsymbol{W}}^{(n)}}$形状相同，${t_i}, {w_i}$均为第$i$个输出通道的通道参数。

稀疏化后，通常会将卷积层或批正则化层对应的通道滤波器置0以模拟通道被减去的情况，此时的批正则化层所携带的均值与方差信息统计了大量零输入通道。而实际简化模型中，零输入通道将被直接移除，因此批正则化层的统计均值方差与实际值相差较远，故参数需重新调整。Li等人(2020)观察到该现象，同时提出在剪枝后进行前向传播来重新初始化批归一化层的方差和均值，进而提升子网性能的评价准度。为减少重训练过程中对原网络参数的扰动，防止破坏已学到的特征信息，采用以下重训练步骤：

1) 使用大学习率或Adam，单独对批归一化层进行重训练, 直到损失函数稳定。

2) 使用小学习率的动量梯度下降法对整个模型参数进行微调。

在重初始化是否会破坏收敛精度的问题上, Liu等人(2019)以较大学习率进行重训练，结果显示重训练时重初始化与否不会影响收敛精度；但Frankle和Carbin(2018)较小学习率的结果显示初值对收敛精度有较大影响。本文实验部分所达到的模型压缩率较高且重训练时学习率较小，收敛精度体现出初值敏感性，但若在重训练阶段采用较大学习率，则会出现相当大的性能振荡。值得一提的是，在振荡过程中模型仍有可能取得较好的性能。

语义分割网络的输出部分是一个Sigmoid层，用于将输出特征图映射到0~1概率区间。判决阈值采用Otsu法进行自适应选择。Otsu法可找到使得类内方差最小的分割阈值，二分类即最小化下式

$ \min \limits_{t}\left(\sigma_{0}^{2}(t) \sum\limits_{i=1}^{t} p(i)+\sigma_{1}^{2}(t) \sum\limits_{i=t+1}^{+\infty} p(i)\right) $

(8)

式中，$t$为分割阈值，$\sigma _0^2\left(t \right), \sigma _1^2\left(t \right)$为二分类情况下两类各自的方差，$p\left(i \right)$为概率分布直方图。若阈值精度为0.01，则$p\left(1 \right)$为数值在[0, 0.01]范围的像素占总数的比例。

然而，测试集中的部分数据标注误差较大。如图 3所示，样本标签的覆盖范围远小于实际电力线。在此情形下，当且仅当预测结果同样较细且与标签高度重合时才可能发生测得的IoU大于真实IoU的情况，而在其他大部分情况下测得的IoU小于真实IoU，故认为数据集所测得的平均IoU指标将低于真实的IoU值。因此，将IoU视为性能的近似下界。

为解决此问题，设计了一个允许一定误差的rIoU指标进行辅助评价，其定义和IoU指标的定义分别为

$ \left\{\begin{array}{l} f_{\mathrm{rIou}}=\frac{(\boldsymbol{Y} \otimes \boldsymbol{K}) \cap \boldsymbol{Y}^{\prime}}{\boldsymbol{Y} \cup\left(\overline{(\boldsymbol{Y} \otimes \boldsymbol{K})} \cap \boldsymbol{Y}^{\prime}\right)} \\ f_{\mathrm{IoU}}=\frac{\boldsymbol{Y} \cap \boldsymbol{Y}^{\prime}}{\boldsymbol{Y} \cup \boldsymbol{Y}^{\prime}} \end{array}\right. $

(9)

式中，$\mathit{\boldsymbol{Y}}$为样本标签，$\mathit{\boldsymbol{Y}}^\prime $为二值化的网络输出，$\mathit{\boldsymbol{K}}$为一个膨胀核，$\mathit{\boldsymbol{\bar Y}}$表示对$\mathit{\boldsymbol{Y}}$进行逻辑逆运算，⊗为形态学膨胀操作。

由式(9)可知，rIoU在分子中膨胀核$\mathit{\boldsymbol{K}}$的作用下，将电力线标签周边被误分类为电力线的像素当成正确分类，这使得该分子一般大于实际IoU的分子。而在标签较细或合适的情况下，rIoU分母小于实际IoU的分母，因此数据集的平均rIoU大于实际IoU，可用于表示模型性能的近似上界。

从另一方面，较细和较粗的预测结果能取得相同的IoU值，而在电力线检测任务中，后者在一定范围内是一种可以容忍的错误。图 4中预测标签随着膨胀次数的增加逐渐变粗，同时rIoU指标也逐渐上升。在IoU指标相同的情况下，rIoU指标鼓励选取超出标签的范围，以此避免较细的预测结果。

实验主要由以下4部分组成：1)对数据集、实验设置进行说明，并将本文基础模型与两个相似工作进行对比，同时验证数据集增强方法的有效性；2)进行基础模型的训练，并寻找色彩空间和损失函数的最优组合；3)对RGB输入和灰度输入的完整网络进行压缩，实现模型轻量化；4)对自适应阈值法在不同亮度下的效果进行验证。实验部分模型均在Colab平台上完成，使用Tensorflow 1.15.2静态图进行网络搭建及测试工作。

实验部分有两个背景数据集，一个由原始的2 000幅不包含电线的真实可见光图像组成，标记为2 k，另一个在此基础之上额外增加了由PPGAN生成的8 000幅伪背景图像，标记为10 k。采用圆锥曲线在两个背景集上随机生成曲线电力线构成两个曲线训练集。另外，在2 k背景集上额外生成了一组直线电力线训练集用于与曲线集进行对比。验证集为从200组有标签的样本中随机选择的50组，余下的150组则作为测试集。训练集图像大小为128×128像素，而验证与测试集的图像大小均为512×512像素，因此测试时先分割为4块128×128像素大小进行输入，得到输出后将其拼接为512×512像素大小。同时在训练时均使用了水平、垂直翻转以及色相扰动进一步进行数据增强。

实验部分rIoU指标中的膨胀核长宽为5，如无特别说明，进行语义分割时的判决门限均为0.5，训练批大小均为64，数据集迭代次数为600次。

首先在RGB空间的2 k曲线数据集上训练Madaan等人(2017)、Zhang等人(2019)和本文基础模型，其结果如表 1所示。在此处，训练时均采用和原文一致的网络架构、损失函数和优化器设置。为方便对比，以本文的基础模型作为计算量和参数量的对比标准。判决阈值的选择上，本文基础模型的阈值选为0.5，而其他模型则为最优阈值。

表 1中，Madaan等人(2017)定义了一系列编解码器，在特定数据集下采用穷举的方式寻找最优的编解码器组合。此方法虽然在计算量与参数量上均有优势，但因不同数据集的数据分布可能存在较大差异，故在本数据集上性能指标不及本文基础模型。Zhang等人(2019)方法采用VGG16作为主干网络，此类网络在各类任务中使用较为广泛，因此在不同数据集上具有较好的泛化性能，但此类主干网络的计算量较大是其主要的缺陷，这使得对其进行压缩也相对耗时，因此认为本文基础模型是一个较好的轻量化起点。

为验证不同数据增强方法的有效性，使用focal损失函数和Adam优化器在不同数据集下进行测试。同时，为了评估生成样本与真实样本的差距，从8 000组生成的样本中随机抽取200组构成生成集，并用该集对2 k数据集训练的模型进行测试。

表 2为不同数据集的训练结果。刘嘉玮等人(2020)自行对数据集中所有电力线图像均进行了标注并作为测试集，表 2中最后一行为其论文结果。

根据综合指标，无论是在RGB还是灰度空间，曲线数据集的IoU与直线数据集相似，但rIoU明显高于后者，即前者在选取电力线周围像素的同时，也增加了标签范围内电力线像素的选取，具有更好的分割效果。RGB色彩空间的rIoU值均高于灰度空间，而IoU值则正好与此相反，这说明RGB色彩空间中语义分割网络的结果倾向于选择更多的电力线周围像素，而在灰度空间中的语义分割精度则更高。对于电力线分割任务而言，在IoU值相似的情况下，选取较多的电线周围像素有助于增加动态场景分割的稳定性。使用生成对抗网络进行数据集增强后，RGB空间的rIoU值降低，IoU值提升，但对灰度空间影响较小。

生成集测试在不同色彩空间的识别精度具有明显差异的原因是：1)生成对抗网络训练过程中出现了局部的模式坍塌造成生成样本的纹理多样性降低，这使得灰度空间的生成集精度远超测试集，故该空间数据集增强后的收敛精度没有明显提升。2)生成模型仍保留有较好的颜色多样性，因此RGB空间的生成集测试结果与测试集更接近，故数据集增强后IoU指标有所提升。

图 5为相同参数下不同数据集的训练曲线。“2 k”与“10 k”为样本容量；“Gray”和“RGB”分别代表使用灰度或可见光图像作为输入；标注“Str”的项表明对应数据集中仅生成了直线电力线。可见，曲线数据集收敛速度明显快于直线数据集。

图 6(a)为表 2中10 k模型在采用不同的输入色相位偏移和判决阈值时的指标值变化。可见，即使采用了色相扰动进行数据增强，对于不同的色相，其最佳判决阈值不断变化。而图 6(b)则是一个未添加色相扰动的训练结果。可见，为提高模型对颜色(季节变化)的鲁棒性，在训练阶段进行色相扰动非常必要。考虑到在前文中灰度空间的收敛精度与RGB空间相似，采用灰度输入来丢弃颜色特征也是一个选择，同时也可获得更好的压缩比。

综上所述，曲线数据集的训练结果指标和收敛速度均优于直线数据集。生成对抗网络的增强结果有效提升了RGB空间收敛精度，而在灰度空间则差异不大。对生成集的验证证实生成图像较少增加灰度样本的多样性。而色相扰动则有效提升了模型对场景色相变化的鲁棒性。

在2 k曲线数据集上使用与上述相同的Adam优化器验证不同损失函数的收敛效果，结果如表 3和图 7所示。其中，图 7中的sIoU为soft-IoU的缩写。

表 3结果显示：1)从收敛精度上看，soft-IoU和Dice分别在RGB和灰度空间具有最佳的收敛精度。同时由图 7所示，二者在对应的色彩空间中均达到最高值，且曲线稳定高于其他方法；2)从收敛速度上看，在两个色彩空间中，Dice均最快收敛，soft-IoU次之但差异不大，focal收敛最慢且差异明显; 3)从过拟合角度看，在RGB色彩空间，三者在达到最优值之后均出现了不同程度的过拟合，其中Dice最为严重，而在灰度空间则并不明显。

综上所述，RGB空间采用soft-IoU损失函数和灰度空间中采用Dice损失函数是两个最佳组合。

在此部分均以RGB空间的基础模型为100%基线计算参数量和计算量。其模型参数量为7.78 M, 批大小为60时的计算量为128 G。

对RGB空间下focal损失函数的完整模型进行压缩。为了避免网络在正则化过程中出现较大的性能变化，在网络压缩部分均采用动量梯度下降法。正则化算法中的${r^{(0)}}, {r^{(N)}}$分别为1和0.1，$\sigma $和$k$分别为1.4和10。在正则化过程中，正则半径随着正则次数增加以比例$1/\sigma $进行收缩。均采用2范数作为显著度指标。

图 8描述了各阶段的通道显著度曲线。在1~7阶段时，网络的显著度指标均减小，但分布相对均匀且基本不具备区分度。从阶段8开始，低显著度的通道值在正则化效果下逐渐减小至0，而高显著度的通道仍维持较高的值。因模型的显著度曲线基本为阶梯状，在下一步中简单使用0.1和0.01两个全局阈值对整个模型进行修剪，然后在当前参数值的基础上对轻量化模型进行重训练。

表 4展示了上述稀疏模型在不同损失函数、修剪阈值下的重训练结果。以soft-IoU为损失函数的重训练结果仍然优于focal的结果，即使完整模型是由focal损失函数训练得出。然而，focal损失函数的两个模型在训练集上的IoU值均能达到0.92以上，但soft-IoU损失函数的两个2 k训练集模型在训练集上的IoU值均不足0.8，若继续训练，则会出现严重的过拟合情况，此现象与图 7中过拟合的现象一致。而soft-IoU的10 k训练集模型在训练集精度达到0.88时仍未出现严重过拟合，这使得模型能继续训练并最终使0.01模型的IoU指标达到了表内最高值。对Otsu法的测试显示该方法所获得的阈值较为可靠，能极大提升部分模型的性能。主要原因是某些情况下部分颜色和电力线相近的物体在概率图上也会产生很高的响应，而此现象通常发生在电力线本身具有较强响应的情况下。此类错误可通过采用自适应阈值来缓解。在随后的亮度敏感性分析中将对Otsu法的效果进行详细分析。

对表 3中灰度空间内Dice损失函数的收敛模型进行压缩，其结果如表 5所示。在此部分中为实现更加极限的压缩性能，除2范数外，还采用了本文提出的联合指标进行剪枝，其结果见最后一行。

对比表 4和表 5可知，0.05模型在Otsu阈值下的性能指标超越了彩色空间内最好的结果(表 4最后一行)，同时计算量与参数量低于后者，而2范数的0.1模型在Otsu阈值下的指标超越了彩色空间中的所有0.1模型，联合指标的结果则在计算量上具有明显优势。

数据集中图像的亮度分布较为相似，而实际情况中的可见光图像易出现过曝或欠曝的现象，这可能造成整体概率分布偏移，进而影响固定阈值的效果。选取RGB空间完整模型、RGB空间和灰度空间的最佳轻量化模型进行对比，通过$\gamma $变换的方式改变图像亮度以模拟不同曝光条件对阈值选择的影响。实验中，$\gamma $取值从0.1~10(图像亮度从变亮过渡到变暗，$\gamma = 1$时不改变亮度)，评价指标采用IoU，据此绘出不同曝光条件下选取不同判决阈值的模型性能，如图 9(a)所示，图例为IoU值与颜色的对应关系。为进一步对比不同模型和阈值选择方式的性能差异，在部分子图中将两个IoU指标分布图做差，如图 9(b)所示，图例为指标差值与颜色的对应关系。但若该位置上两个IoU指标均小于0.3，则无论指标差距多大均不纳入绘图范围，因为过低的IoU值模型本身已不可使用，如图 9(b)中$\gamma $小于0.4的部分。

图 9是RGB色彩空间下的完整模型，由图 9(a)可知：1)完整模型具有较强的分割能力，输出概率分布具有较好的区分度；2)模型对低亮度具有更强鲁棒性，这是由于数据集中电力线亮度明显高于背景，降低亮度可增加电力线与背景的对比度。由图 9(b)可知，Otsu阈值法较固定阈值法在绝大部分区域差异在0.02内。

图 10是两个色彩空间下轻量化模型的测试结果，对比图 10(a)(b)可知，Otsu法在低亮度情况下相比最佳阈值性能有略微下降，而在较为广泛的高亮度区间Otsu法性能好于阈值法。由图 10(c)(d)可知，在灰度模型中，Otsu法在各种亮度条件下的性能与固定阈值法差异基本在0.05以内。由图 10(a)(c)可知，在过低亮度时($\gamma $≥10)，RGB模型的阈值选择相比灰度模型更加宽松，即前者的输出概率图在分布上具有更大的区分度。灰度模型仅依据灰度信息进行语义分割，相比RGB模型更易受亮度变化干扰。对比图 9(a)和图 10(a)可知，图像亮度越高，轻量化模型性能对阈值越敏感，而此现象在完整模型上则不明显。

在灰度空间中，Otsu法在轻量化模型下的效果与固定阈值法相似，故将在灰度空间Otsu法的结果与RGB空间中两种方法的结果进行对比，对比结果如图 11所示。

图 11结果显示，在采用Otsu阈值法且亮度变化较小($\gamma $取0.4~2.5)时，灰度模型较RGB模型有略微优势，而其他区域则采用RGB模型较好。若RGB模型采用阈值法，RGB模型在右侧$\gamma $>2.5的区域内有性能优势。考虑到实际情况，可以很容易地通过减小光圈或者降低感光度来降低图片亮度，同时电力线巡检时的光照条件较为充足，实际上难以达到$\gamma $=2.5的低光照情形。因此认为灰度空间的轻量化模型可以用于替代RGB空间的轻量化模型。

首先对现有基于U-Net的航空电力线图像语义分割网络进行了改进研究，包括数据集增强方法、色彩空间和损失函数的选择，并得出了两套最佳组合。然后采用传统通道范数和提出的联合显著度指标对不同色彩空间的网络模型进行了稀疏正则化，并采用网络剪枝大幅降低了网络参量和运算量。最后对固定阈值法和自适应阈值法在不同光照条件下的性能表现进行了研究，证实了在一定范围的光照变化下，自适应阈值法能取得在该条件下最优阈值相似的性能。

当前研究工作仍有部分不足有待改进。首先，采用生成对抗网络进行数据集增强在灰度空间没有出现性能提升，可能与生成对抗网络的模式坍塌以及测试样本过少有关，因此该数据集增强方法在完整模型训练时的作用还需进一步验证。其次，在此工作中使用的验证与测试集样本量不足，为使网络性能更好，需要进行更多的标注工作。同时，从数据集中的红外图像来看，红外图像的电力线特征相比可见光更为明显，且几乎不存在颜色干扰，将可见光与红外图像共同输入模型可成为进一步提升模型性能的一个研究方向。最后，网络剪枝能有效提升模型在通用终端上的推理速度，但推理加速是一个从底层硬件设计到软件上模型结构优化的全栈任务，若能根据终端特性, 如传输带宽、管脚数目和计算单元数量等进行更具针对性的剪枝操作，则可在终端执行速度相同的情况下执行更多的计算，有效提升轻量网络的效果。