陈春玲 ，杨 雪 ，周云成 ，王 俊 ，朱浩祎 ，苑 婷 ，于 泳

（1.沈阳农业大学 信息与电气工程学院，沈阳100161；2.国网辽宁省电力有限公司 盘锦供电公司，辽宁 盘锦 124000）

绝缘子是高压架空输电线路的主要部件之一，起到电气绝缘以及机械支撑作用。而绝缘子多装设在高空，且长期处于高压工作环境下，人工观察绝缘子的位置信息费时费力，因此使用机器学习的方法对绝缘子进行识别，对进一步的破损识别研究具有重要意义。传统的识别方法是先对绝缘子图像做预处理，利用浅层机器学习算法对目标图像特征进行提取与分析。目前，机器学习已被大量用在图像处理领域。在国外，使用分割[1]、轮廓提取[2]、纹理特征提取[3]等算法，对航拍绝缘子图像进行特征提取并识别[4]。在国内，根据绝缘子自身颜色和形态特点，在分割提取[6-9]的基础上，再与遗传算法和BP神经网络等算法结合使用，来进行绝缘子的特征图像提取与识别。为了避免人工识别绝缘子带来的耗时耗力等问题，借鉴深度学习在机器视觉领域的广泛使用。提出基于卷积神经网络的绝缘子目标识别方法，以VGGNet作为特征提取网络，并在ImageNet数据集上进行特征提取训练。以Faster R-CNN作为绝缘子识别网络的基本框架，用预训练后的VGGNet对其初始化，利用预处理的绝缘子数据集对其进一步训练。此外，为探究不同特征提取网络与算法对试验结果的影响，除VGGNet和Faster R-CNN以外，本研究还分别使用了AlexNet和Fast R-CNN来做对比试验。基于试验观察，以VGGNet为特征网络的Faster R-CNN算法结果更为理想，可以实现绝缘子的目标识别。……