杨传凯， 孔志战， 谢倩楠， 杜建超

(1. 国网陕西省电力公司电力科学研究院，陕西 西安 710100；2. 国网陕西省电力公司，陕西 西安 710048；3. 西安电子科技大学通信工程学院，陕西 西安 710071)

0 引言

输电导线是重要的电力设备，需要进行定期巡检，保障其安全运行。随着技术的发展，无人机巡检成为新兴的研究热点，其目标是大幅提高工作效率，实现缺陷的自动检测和识别[1]。在无人机巡检过程中，导线识别是一项重要内容，可以为无人机提供导航和避障依据。此外，对导线舞动、工程车侵入电力区域等异常检测，导线识别都是必要的基础工作。

一些研究采用传统的数字图像处理方法来实现导线检测。传统的方法利用导线的灰度值、边缘轮廓[2]等浅层特征对图像像素进行处理，并结合Hough变换[3]等提取导线。但往往由于户外图像背景复杂，树枝、栅栏、建筑物边缘的轮廓和灰度值与导线相似，对导线检测结果产生干扰，使得检测结果变差，难以广泛应用。近年来，以深度卷积神经网络(deep convolutional neural networks,DCNN)为代表的人工智能方法快速发展，在图像分类[4]和识别[5]等方面取得很多成果。DCNN可以自动提取特征，适应复杂多变的场景，已用于许多电力设备的识别与故障检测，如杆塔[6]、绝缘子[7]等。由于图像中导线细长的特点，基于DCNN的导线检测算法相当于对导线进行语义分割，实现像素级别的分类。目前，语义分割算法被用于许多图像处理领域，如遥感图像分割[8]，裂缝识别[9]，烟雾区域分割[10]等方面。因语义分割网络能够挖掘更深层次的目标特征，已有学者将其应用于导线检测中，并取得了良好的效果[11]。……