万 涛 ，吴立刚 ，陆 烨 ，王 浩 ，张 潇 ，范叶平 ，杨德胜

（1.国网信息通信产业集团安徽继远软件有限公司，安徽 合肥 230088；2.国网江苏省电力公司徐州供电分公司，江苏 徐州 221005）

0 引言

绝缘子作为输电电路中的重要器件，被安装在非等电位或导体与接地器件之间，其自爆与否会严重影响输电线路的安全[1-3]。现代输电线路运维检修机制通常基于直升机或无人机按照预定轨迹拍摄的视频，由人对每帧图像进行自爆绝缘子位置辨识。然而，人的主观因素，以及运维成本和复杂环境的客观因素，使得现代输电线路运维检修模式费时耗力。因此，亟待研究绝缘子自曝状态的智能认知方法。

目前学术界对绝缘子自爆状态的识别进行了大量研究[4-5]。然而，识别方法多基于理想条件，面对复杂野外图像时难以获取绝缘子状态的自曝特征，识别性能难以满足实际需求[6-8]。

人工巡检从人工智能[9-10]角度可归结为：人根据丰富的历史经验评判当前绝缘子状态。然而，这种主观估量模式易受不同人员经验、不确定干扰等因素影响，鲁棒性差。传统认知系统具有开环属性，针对输入的不确定对象，其恒定的特征提取和分类准则输出不确定的决策，无法模仿人类思维模式。随着神经网络算法的改进，深度学习受到了广泛关注[11-12]。ResNet 作为一个流行的网络结构，将原始输入信息直接传输到后续层，在生成泛化特征的同时，加快超深层网络的训练，然而，ResNet依然属于开环认知系统。

不同规模的网络提取不同尺度的特征融合后将改善整个网络性能[13]。……