一、单一可见光在排污口排查中的漏检逻辑，决定了双模态协同的必然性
河道排污口的物理形态决定了它在航拍画面中的视觉特征极不稳定。明管排口有明确的管壁轮廓，但大量隐蔽排口是水下暗管、涵洞渗水、岸边杂草或乱石遮挡的渗流点。
可见光相机能够捕捉水体颜色突变、浑浊带、泡沫和油污，但这些信号的前提是"排口正在排放且污染物与河水存在足够色差"。当排口处于间歇排放、低浓度排放或夜间排放时，可见光通道的有效信息急剧衰减。
相关实证研究给出了量化结论：单一可见光遥感在排污口识别中漏检率高 ，而"热红外+正射影像"融合方法能显著提高发现疑似排污口的能力。这一结论的物理基础在于：自然河水温度整体均匀，工业废水、生活污水与河水之间存在温差。排口会在热红外画面中呈现为亮白色热点（高温废水）或暗冷区（低温地下水渗流），即使管道埋在水下或岸边泥土中，水流涌出的温差依然可以被红外捕捉，不受光照和水草遮挡的影响。
这意味着，排污口排查的技术路线不是"二选一"，而是用热红外完成"有没有排口"的发现任务，用可见光完成"排口长什么样、在哪里"的取证与定位任务 。双模态的分工逻辑决定了后续算法设计和系统架构的基本形态。
二、热红外小目标检测的架构改造：排污口只有十几个像素时，通用YOLO为何失效
热红外解决了"有温差就能发现"的问题，但排污口在无人机航拍画面中的尺度极小。在几十米到百余米的巡航高度下，一个直径几十厘米的暗管排口在热红外画面中可能只占十几个像素，热对比度弱，且背景中存在岩石余热、水面反射、植被热差异等大量干扰源。
近年的工程适配集中在三条路径上，共同逻辑是针对排污口小目标的失效模式做结构改造，而非在通用模型上做全局压缩。
路径一：无参数注意力机制引导特征聚焦。
针对海岸线排污口检测，研究者在YOLOv8n中引入SimAM无参数注意力机制 ，优化特征提取与融合，并融合NWD与CIoU损失函数来解决排污口边界模糊与目标重叠问题。SimAM的作用是在不增加额外参数量的前提下，让模型对排口区域的空间显著性做出自适应响应，适合机载边缘部署的算力约束。
路径二：多尺度特征融合补偿小目标信息损失。
基于YOLOv8的轻量化改进方案通过多尺度特征融合、动态注意力机制及新型损失函数设计，提升排污口等小目标的检测精度，针对的正是航拍图像中"目标像素小、样本少、背景复杂"的核心矛盾。
路径三：跨空间学习与稀疏注意力应对弱红外特征。
在YOLOv11基础上的改进方案设计了跨空间学习模块增强局部空间特征，配合动态提示稀疏注意力抑制复杂背景响应。本质上是在热红外信号本身较弱时，用空间上下文信息补偿热特征的不足。
这三条路径的共同边界是：排污口检测的精度天花板首先由热红外成像的物理信噪比决定。当排口温差极小或目标像素低于可检测下限时，工程上需要依靠降低飞行高度、增加巡航频次和多期热异常比对来弥补。
三、从"发现热异常"到"锁定岸线坐标"：溯源链路的工程逻辑
排污口识别不是终点。业务部门需要的是"这个排口在岸线的哪个位置、属于哪个责任网格、哪家企业"。从热异常检测到可处置的溯源结果，中间需要经过三个工程环节。
环节一：RTK定位与热异常坐标反算。
无人机搭载RTK高精度定位，检测到的热异常像素坐标结合POS数据、相机内外参和地形高程，反算为真实地理坐标。在厘米级航拍下，排口坐标误差通常可控制在亚米级。这个精度水平决定了后续地面核查人员能否直接抵达排口位置。
环节二：沿水流方向的逆流追踪算法。
热异常只是"有水在排"，溯源需要确认"水从哪里来"。工程上的做法是顺着异常水流逆流或沿岸追踪，找到管道出口、地下暗管出水点或涵洞渗漏点。在多期影像和连续飞行数据的辅助下，可以进一步区分"间歇排放"与"持续渗漏"，为执法判断提供排放行为的时间证据。
环节三：可见光取证与现场复核的衔接。
热红外发现异常后，无人机抵近拍摄可见光影像，记录排口样貌、水流状态和周边环境。这一环节的工程意义在于：热异常是线索，可见光影像和水质数据是证据链的组成部分，两者在坐标和时间戳上必须严格对齐。
四、规模化验证：从"发现即锁定"到"处置即闭环"
技术链路是否成立，取决于它在真实执法场景中能否产生可验证的处置结果。
在四川广安的实战案例中，执法人员通过高空航拍捕捉水体色差边界和污水汇入断面，精准锁定隐蔽排污口位置，为溯源和证据固定提供支撑，最终查实企业违规排放。整改后河段COD、氨氮、总磷等指标大幅下降。这一案例验证了"发现---坐标锁定---地面核查---处置反馈"的完整链路。
在杭州临安的案例中，搭载红外热成像的无人机10分钟完成5公里河道全域排查，梳理出15个雨污排口，随后结合示踪剂追踪水流走向，进一步排查工业废水渗漏和暗管偷排。空中筛查的效率优势在这里体现为：用热红外快速缩小排查范围，把地面执法资源集中到有热异常的排口上。
在这套技术链路的工程落地中，拓恒技术 的"一网统飞"体系提供了一个典型的参考架构。在其技术架构中，恒易飞 平台负责底层飞行与航线管控；AI算法引擎 在边缘侧完成热异常与可见光的初步融合筛选；而恒享飞 数字管理中枢则承接后端业务，执行精准的坐标映射与工单流转，从而将巡检数据转化为环保部门的执法线索。目前，该系统已在南京市江宁区等地的环保检测场景中得到实战验证，为低空技术在环境监管中的规模化复用提供了系统支撑。
五、工程边界：热红外排污口检测的物理限制
必须诚实地界定技术的边界，避免过度承诺：
排口温差低于热红外可分辨阈值时，检测能力存在物理上限。 当废水温度与河水温度接近，或排口流量极小导致热信号被水体混合稀释时，热红外画面中无法形成可检测的异常区域。工程上需要依靠多光谱水质反演或地面采样来补充。
可见光取证在浑浊水体和夜间条件下效果有限。 热异常可以定位排口，但可见光影像的质量受光照和水质制约。夜间排查应以热红外为主通道，可见光取证安排在抵近拍摄或次日复核阶段。
坐标映射的精度受POS数据和地形模型影响。 亚米级的排口定位精度依赖于RTK和高质量的高程基准，在陡峭岸线或植被密集区域，实际定位误差可能放大。工单中应附带精度范围，而非给出绝对承诺。
六、结语
无人机河道排污口识别的技术链路，核心矛盾不在"能不能飞到岸线上空"，而在热红外小目标检测是否针对排污口的弱热特征做了架构改造、双模态协同是否按发现与取证的分工正确分配权重、以及从热异常坐标到岸线溯源定位的链路是否闭环。当热异常能在极低像素尺度上被稳定检出、坐标能在亚米级精度上落到岸线、识别结果能自动进入处置流程，低空技术才真正解决了传统环保巡查的盲区问题。
参考文献
1 胡智峰, 李禄. 基于"热红外与可见光"技术的河流排污口监测. 激光与红外, 2026(6).
2 无人机在河道监管中，是怎么发现隐藏排污口的？ 科普中国, 2026-06-01.
3 面向海岸线排污口的无人机目标识别数据集. 测绘通报, 2025(8).
4 低空经济视角下无人机排污口智能监测技术实证研究. 中国安防, 2025(10).
5 Sewage outfall detection based on cross-space learning and dynamic prompt sparse attention. AIRSA 2026.
6 无人机"火眼金睛"：这段水体变色了 广安公安快速找出隐蔽排污口. 四川法治报, 2026-09-08.
7 水质异常，无人机巡查后，执法人员用上"示踪剂"追踪水流走向. 中国环境报, 2026-05-06.