张 涛，高 绅，陈万培，杨钦榕，韩 恒，陈舒涵

(扬州大学 信息工程学院，江苏 扬州 225009)

0 引言

伴随着国家经济发展水平和人民生活水平的提高，电网规模也在不断扩大，如何保障电网安全可靠地运行开始被广泛地关注。输电线路是连接国家电力网络的部件[1]，而输电线间隔棒作为输电线路的重要金具，能够保持多分类子导线间距，保证线路的电力运输能力，防止导线间的鞭击、抑制微风振动和次档距振荡等。因此，对输电线间隔棒的检测是电力网络运检维护、保障电力安全的必要程序之一。

目前，电力设备的维护检查一般通过人工巡检的方式完成，由于架空线路和输电隧道架设的特殊性,线路巡查通常会对巡检人员的生命安全造成一定威胁[2]。借助无人机和监控摄像头的图像识别技术，代替人工进行安全检查已经成为目前较为有效的巡查方案[3]。现有的检测方式存在很多问题，在无人机拍摄电力部件的过程中，由于距离因素，这些电力部件距离无人机较远[4]，在图像上显示的尺寸较小；监控摄像头只有录像和视频监控功能，无法对所需要的检测目标进行智能化识别分析。这些方式都需要进一步借助人工完成最后的故障检测分析，降低了自动化程度的同时，也延长了故障的修复时间。

卷积神经网络(Convolutional Neural Networks,CNN)是一类包含卷积且具有深度结构的前馈神经网络，是深度学习(Deep Learning)的代表算法之一[5-6]。深度学习算法的发展和硬件运算水平的提高，使CNN逐渐应用在计算机视觉和自然语言处理等领域。……