王小超，张 勇

（巢湖学院 信息工程学院，安徽 合肥238000）

0 引言

随着大气污染的加剧，电网输变电的绝缘子表面容易积聚污秽，在不利天气条件下容易发生污秽闪络，甚至可能造成停电事故［1-3］.污秽度等级是衡量绝缘子表面污秽沉积程度的重要指标，对于输电运行维护、防范污秽闪络具有重要意义［4-6］.

紫外成像检测技术在电力检测方面已有大量研究，在高压输电线路、变电站的绝缘、导线等电力设备的检测及状态评估方面应用广泛.绝缘子发生电晕放电的紫外图像中蕴含着绝缘子污秽程度的信息，是实现绝缘子污秽度评估和污秽闪络预防的重要数据［7-10］.如何结合人工智能技术充分挖掘绝缘子电晕放电紫外图像信息，实现智能化的污秽度评估是有待解决的重要问题.

因此本文基于绝缘子紫外图像开展绝缘子污秽度评估算法研究，提出基于全卷积神经网络的绝缘子紫外图像污秽度评估算法，并通过仿真算例验证文中所提方法的正确性.

1 全卷积神经网络

1.1 理论原理

人工神经网络（artificial neural network，ANN）是当前人工智能技术的重要发展方向.人工神经网络核心思想是模拟人类脑神经元网络处理信息的机制，其结构由大量的神经单元经过权值相互连接形成.人工神经网络在智能化控制、医学、经济等领域的应用已取得较大的突破，但由于人工神经网络存在着大量的参数，容易发生过度拟合、训练时间长等问题［11］.

卷积神经网络由传统人工神……