徐海青余江斌梁 翀*张晓航

(1.安徽继远软件有限公司，安徽 合肥 230088；2.国家电网信息通信产业集团，信通研究院，北京 102211)

随着我国经济的快速发展，电能已成为社会发展不可或缺的重要能源[1]，输电线路发挥了至关重要的作用。然而，大量输电线路在室外环境，易受自然环境影响，各种部件可能会出现不同程度的损坏与缺陷，这给电力系统的稳定运行带来了巨大挑战。因此，电力系统工作人员需要对输电线路进行长期重复性的检查和维护。然而，输电线路大多分布在高山、河流、森林等复杂环境下，这给传统人工巡检带来了不少困难，人工巡检还存在效率低、人为主观因素强、危险系数高等缺点[2]，因此无人机巡检得到了广泛应用。

随着无人机巡检的应用，以及人工智能技术的发展与推进，在输电线路缺陷识别和故障检测领域，基于机器视觉和深度学习的图像识别技术研究是一大热点。Wu 等基于半局部算子提取图像半局部纹理，再基于全局最优活动轮廓识别出绝缘子[3]。宋伟等综合直方图均衡化、RGB 彩色模型和形态学处理方法实现防振锤识别和金属锈蚀缺陷检测[4]。这些传统图像处理方法的鲁棒性不强。近年来，随着深度学习图像识别方法大放异彩，输电线路缺陷识别和故障检测也得到发展。Nordeng 等基于VGG16 的Fast-RCNN 网络实现了耐张线夹的识别[5]，Miao 等基于两阶段微调思想训练SSD 目标检测网络，有效提高了瓷质与复合绝缘子的目标识别准确率[6]。

目前，针对输电线路细小金具的目标识别与故障检测识别率不高问题的研究较少。……