张兆云，何冠锋，黄世鸿，张 志

(东莞理工学院 电子工程与智能化学院,广东 东莞 523808)

架空线路巡检是保障电力输送的重要方式，根据《国家电网公司架空输电线路运维管理规定(国网(运检/4)305—2014)》，国家电网的架空线路巡检的电力部件包括：基础、绝缘子、金具、接地装置、杆塔、导地线、通道环境、附属设施共八大类[1].由于我国国土幅员辽阔，架空线路巡检长期面临着地形起伏大、线路分布广、自然环境条件恶劣等因素，传统巡检方式存在劳动强度大、巡检效率低的不足，甚至在某些地势复杂地区无法进行巡检[2].为此，近年来电网大规模引入无人机巡检[3]、机器人巡检[4]、直升机巡检[5]等新技术对电力设备进行故障巡检，并积极开展电力巡检新技术的研发工作[6].随着新一代巡检方式的普及，极大地降低了野外巡检的难度，产生了海量的可视化数据[7].但是面对大量的巡检图像和视频，使用人工肉眼的方式对巡检影像进行检测,极大地增加了工作人员的负担，且效率十分低下.于是有学者开始研究自动识别并标注巡检航拍图像中的关键电力部件或特定故障.自Krizhevsky[8]在ImageNet[9]中的优异表现，掀起深度学习的热潮，也带动了计算机视觉技术的发展.不同于传统目标检测方法以人工特征提取的方式，深度学习的目标检测算法以数据为驱动，具有检测精度高、检测目标多、鲁棒性强等特点[10].目标检测是计算机视觉的重要分支，传统的目标检测算法性能已经到了瓶……