李俊杰，张晓龙，王 聪，张峻豪

（昆明理工大学机电工程学院，云南昆明 650500）

0 引言

随着我国经济的快速发展，我国电力系统也发展迅速，无论是民用还是工业用电量都大幅增加。绝缘子作为电力传输线路的重要组成部分之一，主要用于高压线的绝缘和机械固定［1-4］。由于用电量增加导致电路负载增大，或因环境因素如风蚀、雷击、冰雹等，输电线路上的绝缘子时常受到损坏，给电力线路检修带来困难，同时造成经济损失。为使电力系统更加稳定地运行，减少输电线路故障带来的停电问题，国家致力于提升电力系统的自动化水平。随着输电线路巡检机器人与无人机巡检技术的发展，绝缘子目标检测是上述技术发展的一个重点，都需要对绝缘子图像进行检测与识别。目前对绝缘子图像目标检测大多基于深度学习的方法，一般的步骤是首先对拍摄到的图片进行图像去噪、图像锐化、边缘检测等，提取图像低层次特征［5-7］，然后用边缘检测算法提取图像边缘信息，最后训练神经网络对图像进行分类与目标定位。

绝缘子图像一般由输电线路作业机器人自带摄像头拍摄或利用无人机进行拍摄，因高空和户外环境及电磁场等因素影响，一般获得的图片比较模糊时常带有噪点即图像噪声。图像噪声的存在会影响图像质量，图像的准确性、直观性也会随之下降，对于绝缘子的目标检测有着负面影响，所以图像去噪是绝缘子目标检测中十分重要的一步，去噪效果直接影响着目标检测效果［8-9］。……