余鸿飞, 韩 军,贾立业

(上海大学 通信与信息工程学院，上海 200444)

0 引言

输电线路中的很多部件都是通过带销钉的螺丝来固定的，由于这些带销钉的螺丝长期暴露在自然环境中，难免会出现形变导致销钉脱落，形成缺销螺丝。缺销螺丝在输电线路中存在极大的安全隐患，若不及时处理则容易引发一系列的安全事故。目前，针对输电线路中的绝缘子、防震锤、均压环等部件的故障检测都已经达到了一个较好的效果，相比之下，输电线路上缺销螺丝的检测效果还有待提升。在传统的图像处理方法上，如SIFT(scale-invariant feature transform)[1]、边缘检测符[2]、HOG(histogram of oriented gridients)等，对于缺销螺丝这种小部件识别精度不高。而无人机巡检产生的图像都是高分辨率的，缺销螺丝部件相对于整幅图像所占像素比非常小。因此，本文将从小目标识别的角度来研究缺销螺丝。

近年来，卷积神经网络在特征提取方面的出色表现，几乎被利用于目标检测和识别的各个领域。2015年，文献[3]提出全卷积网络(FCN)，将分类网络扩展为密集的像素分类，图像语义分割取得了巨大的进步。但对于图像中的小目标，由于其分辨率过低、像素数目较少的特性导致提取到的特征较为粗糙，通过分类网络简单扩展的FCN并不能较好地提取小目标的边界[4]。因此，国内外研究学者提出了各种方法来提升小目标分割的性能。之后，文献[5]提出了U-Net网络，它采用了跳层连接(skip-net)和“编码-解码”结构相结合的方法来解决小目标分割问题。通过整合来自网络不同层的特征图，将浅层的高分辨率特征与深层的低分辨率特征进行融合，用浅层特征来弥补丢失小目标信息过多的深层特征，在一定程度上可以改善小目标的分割结果。……