翟永杰，杨旭，赵振兵，王乾铭，赵文清

（1. 华北电力大学 控制与计算机工程学院，河北 保定 071003; 2. 华北电力大学 电气与电子工程学院，河北 保定 071003）

近年来，随着电网高速发展与全面覆盖，输电线路作为电力传输中的核心系统，其稳定运行对电网的安全有着至关重要的影响[1-2]。其中，金具作为输电线路的重要附件，起到了固定、防护与接续以及维持整个线路稳定运行的作用[3-4]。由于金具的工作环境往往处在复杂恶劣的野外环境，极易发生锈蚀、变形、破损等缺陷，因此对输电线路进行定期巡检将大大减少输电线路故障的发生[5]。

随着数字图像处理与无人机监控技术的发展，基于航拍图像处理的输电线路金具巡检技术已成功应用[3]。目前常用的方法可以分为3类：基于特征描述的算法、基于经典机器学习的算法和基于深度学习的算法。其中，基于特征描述的算法主要利用形状[6-7]、边缘[8]、轮廓[9-10]等形态学特征，或图形基元[11]、共生纹理[12]等手工特征实现对防振锤、绝缘子、间隔棒等输电线路部件的特征提取与识别，在实际应用中往往会受到成像条件、外界环境等因素变化的影响，导致金具的识别可靠性不高，难以满足工业应用要求。基于经典机器学习算法的金具识别往往通过传统特征提取方法与经典线性分类器相结合的方法[13-15]完成金具识别任务。相比于最初的特征描述方法，机器学习算法在一定程度上提高了可靠性，但模型受到人工构建的限制难以无法深度挖掘样本特征，在识别的准确率上仍有很大的提升空间。……