陈景文， 周　鑫， 张　蓉， 张　东

(陕西科技大学 电气与信息工程学院， 陕西 西安　710021)

0　引言

绝缘子作为电力线路中的重要部件，长期暴露在外受自然界外力的侵蚀，极易发生破损、掉片和老化等故障；一旦故障，将会引起整条输电线路供电中断，甚至导致大面积停电，给人民生产生活造成巨大的经济损失.为了保证整条输电线路的安全可靠运行，必须及时有效的对输电线路绝缘子进行巡检并发现排除故障[1-3].随着智能电网技术的发展，无人机巡检技术在输电线路巡检中的应用较为成熟，相比于传统人工巡检，无人机巡检可以深入到人工难以接近的高电压工作区域进行自动巡检，很大程度上减小了工作量，缩短了巡线周期、降低了误检率.与此同时航拍绝缘子的图像识别成为判断输电线路运行状态的重要依据[4-6].

对于绝缘子检测方法已有相关研究,目前常用的检测方法主要有基于骨架提取的绝缘子检测法[7]；基于绝缘子串特征提取的绝缘子检测方法[8]；基于阈值分割的绝缘子检测法等[9]；这些方法需要人为进行特征提取，工作量大，识别率低，容易因主观性信息丢失导致绝缘子误检或漏检.难以准确识别出无人机所获得的数量庞大、背景复杂的绝缘子图像.对此学者们提出了基于深度学习的图像分割方法[10-12]，例如基于卷积神经网络(CNN)的绝缘子检测方法；相比传统检测方法能够自动分层进行特征提取，综合考虑整体和局部信息，减……