面向输电线路智能鸟害监测的轻量级检测-跟踪一体化模型LBIT-YOLO

《Scientific Reports》：Transmission line bird hazard detection and tracking based on LBIT-YOLO

　　本文提出了一种轻量级检测-跟踪一体化模型 LBIT-YOLO，用于解决输电线路智能鸟害监测中的工程问题。这些问题包括多类别鸟类识别不足、多目标跟踪能力弱、边缘设备轻量化适应性差、驱鸟设备误触发率高以及现场部署困难。该模型基于 YOLOv11，采用 PConv、SimAM 注意力机制和 PIoU 损失函数来提高检测性能，并集成 Bytetrack 实现连续多鸟跟踪。实验结果表明，该模型实现了 76.3% 的 mAP@50 和 59.7% 的 mAP@50-95，比原始 YOLOv11 分别高出 5.2 和 8.9 个百分点。多目标跟踪的 IDF1 分数达到 80.073%，提高了 15.458 个百分点。该模型权重为 5.18 MB，边缘推理速度为 39.9 FPS，可高效部署在 Jetson Xavier NX 终端上。现场测试验证了该模型大大降低了驱鸟系统的误动作率，满足了输电线路运行的工程要求。它为电力输电基础设施的精准鸟害防控提供了实用方案。