陈科羽，时 磊，刘博迪，严尔梅，欧进永，徐梁刚

（贵州电网有限责任公司输电运行检修分公司，贵州 贵阳 550002）

随着中国对电力能源的需求不断增加以及电力系统的规模不断扩大，高压输电线路和输电系统变得越来越重要，及时了解电力系统的运行状态对电力系统的安全稳定运行至关重要[1]。绝缘子是电力系统中输变电设备的重要组成部分，由于长期暴露在野外，经常被恶劣的环境侵蚀，使绝缘子出现污染、裂纹以及破损等故障的情况大幅增加，会严重影响输电线路的正常使用，缩短线路的使用寿命。绝缘子发生故障时，输电线路与杆塔接触会造成停电，甚至可能发生大规模停电事故。目前，电网采用人工巡检方式，不仅费时费力，而且难以及时、全面地掌握线路、绝缘子等电气设备的状态。随着人工智能技术的发展，基于深度学习算法实现了端到端的图像识别，使得绝缘子识别在电力系统中的应用成为可能。

绝缘子的识别主要有两种途径：（1）传统方法：主要根据绝缘子的形状和纹理，结合神经网络来识别绝缘子。这些特征包括HOG 特征、SUFS 特征[2-3]和小波系数[4]等。这种方法精度低、鲁棒性差，对目标视频和图片的拍摄角度要求高。（2）深度学习算法：端到端的图像识别避免了对人工特征的需要。该方法识别精度高，泛化能力强。翁智等[5]在原有YOLOv3[6]的基础上引入了Res2Net残差模块，以实现对高压输电线路部件的检测。李雪峰等[7]提出了一种新型的特征金字塔网络PinFPN，有效解决了在输电线路故障巡检中小尺寸目标检测困难的问题；……