唐 小煜，熊 浩良，黄 锐珊，林 威霖

（1.华南师范大学物理与电信工程学院，广州510006；2.广东省量子调控工程与材料重点实验室，广州510006；3.广东省光电检测仪器工程技术研究中心，广州510006；4.华南师范大学物理国家级实验教学示范中心，广州510006）

引 言

为了保证输电线路的可靠运行，输电线变电系统需要进行定期的巡检、维修以及维护来确保消除故障或者隐患。绝缘子在输电线路中起着很大的作用，由于长期遭受恶劣天气的影响，以及器件的使用寿命及劳损，绝缘子很容易产生缺陷，严重威胁输电线路的安全可靠运行。传统的电网巡查方式通过人工进行巡检，该方法存在劳动强度大，工作效率低，在危险地段会危及到巡查工人生命安危等问题。

随着近些年来计算机技术的飞速发展及计算机处理性能的增强，利用计算机图像处理的方法对不同领域的缺陷定位与检测已经成为主要趋势［1⁃4］。

而针对绝缘子的分割和爆破绝缘子的检测，目前已有不少研究通过图像处理技术与机器学习算法进行实验并取得了一定的成果。朱文天等［5］提出红绿色差灰度化方法，并结合最大类间方差法（Otsu）、红蓝色差灰度化、K均值聚类算法（K⁃means）和投影特征实现绝缘子分割；王淼等［6］提出通过阈值分割、图像边缘检测等方法检测爆破绝缘子，最终实现在复杂背景下的识别正确率为85%；商俊平等［7］采用分割提取特征的方法，利用最大类间方差法对绝缘子进行分割并提取绝缘子的不变特征值，使用Ada⁃boost分类器［8］定位绝缘子位置并计算相邻绝缘子的欧氏距离来对爆破绝缘子进行定位，最终爆破绝缘子的识别准确率达到87%。……