张 凯 罗 欣 孙志刚 肖 力

（华中科技大学人工智能与自动化学院 武汉 430074）

1 引言

定子绝缘故障在大型发电机故障中占有重要比例，定子表面因为其铁芯过热造成脱漆、碳化、缝隙等绝缘劣化故障，直接影响发电机整体运行［1］。当前对发电机定子表面的绝缘缺陷检测几乎都是依靠人工抽转子检测［2］，这种人工缺陷判别的方式受人为因素影响较大。而利用以爬壁机器人为载体的视觉系统拍摄定子表面图像，可以在不抽转子的情况下，进行膛内定子表面缺陷自动检测，避免因人工检测造成的漏检、误检、差异化检测的问题，很大程度地节约周期检修成本。

近年来，以Faster-RCNN［3］为代表的二阶段网络和以YOLO［4］系列、SSD［5］系列为代表一阶段的网络在物体表面缺陷检测上得到了广泛的应用。如蔡超鹏等利用Faster R-CNN设计了一套金属表面缺陷自动检测平台［6］，实现了金属轴表面的缺陷检测和定位，检测精度达到了94%，但其单帧检测速度在200ms左右，达不到实时性要求；黄鑫元［7］等利用基于深度可分离卷积的YOLOv3网络实现了钢丝绳表面损伤诊断的方法，平均精度为77%，同时将YOLOv3模型大小缩减了3倍。总地来看，一阶段网络较二阶段网络在速度上有明显优势，特别是随着YOLOv4的出现，一阶段网络在主流公开数据集上的精度和速度都均超越的二阶段网络，并且也在物件的表面缺陷检测中广泛应用。Huafu Deng［8］等将级联的YOLOv4网络用于金属表面的复杂裂纹检测，该方法比传统的检测方法精度有很大提高，并且比YOLOv4的检测速度快28%。……