晋成龙 沈云 万鑫怡

（中水淮河规划设计研究有限公司 安徽省合肥市 230601）

1 引言

近年来随着深度学习在计算机视觉领域的不断突破，很多学者研究的一系列深度学习目标检测算法成果(如R-CNN(Region-Convolutional Neural Networks系 列)[5]，SSD(SingleShotMultiBox Detector)系列[6])，YOLO（You Only Look Once）系列[7]，广泛应用于汽车、医疗、船舶、电力等行业。基于深度学习的绝缘子目标检测，检测结果均是用矩形框标记绝缘子区域，存在诸如背景和绝缘子不能准确区分，并且密集分布的绝缘子难以分离的问题，较难进一步提高故障检测精度[1–4]。在此背景下，有相关学者提出特定领域的深度学习定向识别算法，以此研究一种高精度轮廓提取算法用于复杂背景下绝缘子串的检测具有重要意义。

像19岁时出行一样，住别具特色的青旅，同各国驴友交流，我请他们喝酒，他们会给我一支烟。和19岁不一样的是，不会再有太多的话要对陌生的人说，也不会喝醉。成长，终究让人学会自制。期间林全打电话给我，我不愿接，发短信给我问我去了哪里，我也不愿回复，直接删掉。

2 yolov5-segnet绝缘子串提取网络架构

本文在yolov5目标检测算法的基础上添加语义分割分支，提出一种基于深度特征融合的yolov5-segnet算法进行航拍绝缘子串轮廓提取。该算法如图1所示主要由目标检测部分和语义分割部分组成，目标检测部分选用yolov5算法来进行绝缘子串检测，语义分割部分通过融合区域特征，并且添加注意力模块，以生成绝缘子区域的语义分割图，最后使用OpenCV函数库中的轮廓提取函数绘出巡检图像中绝缘子串的轮廓。……