第33卷， 第2期 国土资源遥感 Vol. 33, 2021年6月 REMOTE SENSING FOR LAND & RESOURCES Jun. ,2021 doi: 10. 6046/gtzyyy. 2020184 引用格式： 安健健， 孟庆岩， 胡蝶， R-CN N的火电厂冷却塔检测及工作状态判定［J］.国土资源遥感,2021,33 (2) ： 93 -99. ( An J J,Meng Q Y,Hu D,et al. The detection and determination of the working state of cooling Wwee in the thermal pow- ee plant based on Faster R - CNN［ J］. Remote Sensing foe Land and Resources,2021,33( 2) ：93 -99.) 基于Faster R - CNN的火电厂冷却塔 检测及工作状态判定 安健健*‘2,孟庆岩2‘3'4,胡 蝶2‘3,胡新礼2,3,杨 健2‘3,杨天梁3‘4 (，昆明650093 ； ，北京100094 ； ，三亚572029； ，三亚572029) 摘要： 针对目前火力发电厂检测研究较少、识别难度大、工作状态监测少等问题，提出一种以冷却塔为关键地物目 标的火电厂冷却塔检测方法，并根据冷却塔是否排气判定电厂工作状态。基于Faster R -CNN深度学习网络，通过 设计对比实验，对冷却塔及其工作状态特征进行精确提取，并对检测及判定结果进行验证。实验结果表明，该模型 在目标工作状态检测中，选取8个不同区域验证，均取得理想效果。由此可见‘Faster R -CNN模型能准确检测电 厂冷却塔,可有效判定火力发电厂工作状态并具有多区域适用性。此外，该方法也可迁移至城市内具有排气现象 的其他大型工业地物目标工作状态判定中。研究成果可有效服务于城建部门对局域环境的监管，具有较大的应用 潜力。 关键词： 深度学习；Faster R-CNN;目标检测；冷却塔；工作状态 中图法分类号： TP 751； P 407. 8 文献标志码： A 文章编号： 1001 -070X(2021)02 -0093 -07 成本。生成的
