送审稿

专家1

本文提出了一种基于改进 YOLOv11n 的无人机视角输电通道初期山火检测算法，构建了输电线路初期山火数据集，并在模型中引入多尺度特征模块（MFConv）、坐标注意力机制（CA）以及 CATM 改进模块，形成 YOLOv11n-MCC 模型。实验结果表明，该方法在精确度、召回率和 mAP 指标上均优于基线模型 YOLOv11n，同时模型复杂度有所下降。全文结构完整，逻辑较为清晰，研究工作具有较强的工程应用价值。但在部分细节方面仍有改进空间。
具体建议如下：
1.摘要和引言中对“改进点”的描述较为分散，建议在引言结尾明确总结本文的主要创新点，以凸显贡献。
2.虽然文中介绍了数据采集与标注，但仍建议补充更多细节，例如样本采集地区/环境多样性、烟雾与明火比例的差异对模型训练的影响等。
3.实验已与 YOLOv3、YOLOv5、YOLOv8、YOLOv10、YOLOv11n等进行了比较，但建议在表格或文字中更突出 YOLOv11n-MCC 相对改进的“统计显著性”，增加说服力。
4. 表2与表3的数据分析较为充分，但部分指标（如精确度下降的原因）解释略显简略，可补充更多讨论。

专家2

本文采用非线性能量阱方法对传统导线防振锤改进设计。通过理论推导选定了振子系统的质量、刚度和阻尼3个重要参数；并以实验线路档为实际算例和实验模型，验证了提出优化方法有效性和新型减振装置的效果。论文的不足之处主要在于：
1）专业词汇不准确，Nonlinear Energy Sink，国内文献翻译为“非线性能量阱”，而很少采用本文所提的“非线性能量槽”；
2）未阐述非线性能量阱减振器中关键技术—立方刚度的实现方法；
3）结果图绘制有待统一、美化（如图7 、9 、10等应与图4一致）；
4）结果表4、5对比不直观，新型减振器和传统防振锤在试验频率、功率等测试条件不一致，且最大动弯应变降低的效果并不显著（耐张线夹出口）