冯 原，王晓迪，辛 颖，韩树民

(百度在线网络技术(北京)有限公司，北京 100193)

0 引 言

随着城市化建设推进和生活用电需求不断增长，预计2020年中国输电线路总长将超1 590 000 km，其中全国20%的输电线路建设于无人区、山区等自然条件恶劣的地方。自然环境、恶劣天气和外力破坏都可能对输电线路造成严重损坏，引发大面积停电，造成严重的经济损失。由此可见，开展输电线路在线巡检应用研究对于避免电网事故、保障线路安全至关重要。

以往，电力巡检通常依赖人工，这一方式工作量大、劳动强度高，同时工作效率较低，巡视质量不一，且受恶劣天气等外界因素影响，常常是事故发生了一段时间之后，才能发现并予以补救。基于深度学习和人工智能的电力输电线路巡检已经展开了诸多研究与应用。文献[1]提出利用图像自相似性进行自学习单幅图像超分辨(signal image super-resolution，SISR)，在不使用任何外部训练数据库的情况下取得很好的超分辨性能，结合特征相似性有效提升电力设备状态可视化检测的精度。文献[2]基于迁移学习的小样本电力巡检图像处理方法，通过图像裁剪、翻转、旋转等数据增强技术对小样本图像进行扩充，同时采用生成对抗网络(GAN)来扩充基础样本，使用迁移学习技术将基于大规模图像数据的预训练深度卷积模型进行定制。文献[3]提出了一套无人机巡检系统，但是仍需要将图像传回至地面站才能处理。文献[4-5]分别提出应用卷积神经网络的深度学习算法训练模型,智能识别出输电线路现场的安全隐患，建立起前端采集图像、数据无线传输、后台识别分析、隐患定向推送的智能监控系统。……