翟永杰，杨 旭，王金娜，王坤峰，赵振兵

1.华北电力大学 自动化系，河北 保定071003

2.中国科学院 自动化研究所 复杂系统管理与控制国家重点实验室，北京100190

3.华北电力大学 电子与通讯工程系，河北 保定071003

1 引言

绝缘子是输电线路中的重要设备，也是故障频发的部件，因此是电力巡检中的重点[1]。传统的人工巡检方式是由巡检人员手持望远镜观察，不仅操作不便，而且漏检率较高[2]。无人机巡检方式的出现，弥补了人工巡检的一些不足[3]。然而在巡检线路时，无人机仅仅是作为望远镜的替代品和近距离拍照的工具，绝缘子目标和缺陷的检测仍需人工对航拍图像进行检查。因此，基于航拍图像的绝缘子目标和缺陷自动检测方法得到越来越广泛的关注。

目前，深度学习发展火热，基于深度卷积神经网络的目标检测[4-6]技术已经被广泛应用于绝缘子目标和缺陷检测。文献[7]应用Faster R-CNN[5]算法进行绝缘子故障检测，取得了较高的准确率。文献[8]应用YOLO[9]目标检测框架，实现了从输入图像到检测结果的端到端的绝缘子检测方法。

虽然深度卷积神经网络在绝缘子目标和缺陷检测中取得了较高的准确率，但是这些复杂模型的内部运作机理，以及它们如何能够取得良好的性能，目前并没有较为明确的论述[10]。例如，在调试网络模型时，通过修改某个参数值，使得准确率得到了较大的提升，但是却无法对调整的原理做出一个准确的解释。为了更好地理解深度卷积神经网络的工作原理，近年来有大量学者都在对深度卷积神经网络的内部特征进行可视化分析，反卷积技术被广泛应用于各种深度模型可视化分析中[11]。……