张林华，方正云，李仕林，赵明，王红斌，余正涛

(1.云南电网有限责任公司 楚雄供电局 楚雄 675000;2.昆明理工大学 国土资源工程学院 昆明650500; 3.云南电网有限责任公司 电力科学研究院 昆明650217;4.昆明理工大学 信息工程与自动化学院 昆明650500)

绝缘子检测任务旨在从电力图像中识别出绝缘子，并预测出其位置坐标。在传统的日常输电线路巡维中，巡检人员拍摄大量的图像，从海量巡检图像中人工查找绝缘子，从而寻找绝缘子缺陷，不仅费时费力，而且漏检率较高。而利用目标检测技术代替人工筛查，从庞大的巡检图像数据中对绝缘子进行快速自动检测，已成为解决该问题的有效方法之一。近几年来，得益于深度学习的发展，目标检测受到研究者的广泛关注，并提出了一系列优越的有监督目标检测方法[1-6]。在绝缘子检测中，一般情况下仅能获得单一类型的绝缘子样本。如果将上述方法在单一类型绝缘子上训练得到的模型直接应用到跨域绝缘子检测上，性能会急剧下降。

无监督域自适应目标检测[7-12]能有效地解决上述问题。这些方法大致可以分为三类：基于风格迁移的无监督域自适应目标检测、基于生成对抗的无监督域自适应目标检测以及基于自训练的域自适应目标检测[13-15]。基于风格迁移的目标检测：在保证图像内容不变的前提下，将源域图像迁移到目标域风格，再利用迁移后的图像对模型进行训练。然而，对于绝缘子来说，航拍的巡检图像中目标物种类繁多且背景复杂，容易导致模型坍塌。……