张晶焯， 佘楚云， 伍国兴， 肖黎， 赖振宇， 齐冬莲

(1. 深圳供电局有限公司，深圳 518001；2. 浙江大学电气工程学院，浙江 杭州 310027)

0 引言

绝缘子广泛应用于高压架空输电线路、发电厂和变电站等电力系统场景，起到母线和电气设备绝缘及机械固定的作用[1—2]。绝缘子的功能完整是电网安全稳定运行的必要前提。然而，绝缘子大多安装在室外，长期暴露在自然环境下,容易产生局部破损、自爆缺失、悬挂异物等问题[3—6]。常规巡检中，一般通过人工目视判断绝缘子是否异常，存在效率低、巡检周期长等问题。视频监控系统、智能巡检机器人和无人机巡检等技术的发展使基于图像处理的绝缘子缺陷检测成为可能[7—10]。

基于图像的绝缘子缺陷检测算法一般由绝缘子定位和缺陷识别2部分组成。其中，绝缘子定位算法已得到广泛研究[11—13]，并取得了不错的定位效果。现有的缺陷识别算法以识别绝缘子自爆缺失为主。例如，基于直方图统计和空间序列关系的特征检测算法[14]，基于缺陷图像和标准图像异或操作的缺陷定位算法[15]，基于轮廓和欧式距离的自爆缺陷检测算法[16]等。但上述绝缘子定位算法需要人为设计图像特征，对复杂背景的抗干扰性较差。而后续缺陷识别算法严重依赖于绝缘子轮廓提取或前景分割效果，无法应对局部破损、裂纹等情况，且往往只适用于特定场景，难以快速地大规模应用。

深度学习理论在计算机视觉领域的快速发展和广泛应用给绝缘子的缺陷识别提供了新的思路[17]。……