王书坤，高 林，伏德粟，刘 威

(湖北民族大学 信息工程学院，湖北 恩施 445000)

输电线路的稳定运行对电网的安全至关重要，输电线路部件的故障类型主要包括：绝缘子故障、均压环故障、防震锤故障、输电线故障等[1].其中，绝缘子是输电线路中用量最多的部件，也是引起线路故障的主要原因之一，因此需要对其进行定期巡检.传统的线路巡检主要靠人工，需要巡检人员登上杆塔去检查，这样的方法费时费力，且有一定的危险性.随着无人机以及深度学习技术的发展，搭载目标检测算法的无人机巡检逐渐成为主流.

目前基于深度学习的目标检测算法主要分为两类：一类是基于区域提取的两阶段目标检测模型，如R-CNN(Regions Convolutional Neural Networks)、Fast R-CNN、Faster R-CNN等，将目标检测分为特征提取和特征分类两步；另一类是直接进行位置回归的单阶段目标检测模型，如SSD(Single Shot MultiBox Detector)、YOLO(You Only Look Once)系列等，将目标检测转换成回归问题[2].随着目标检测算法发展地日趋成熟，人们开始思考将目标检测算法应用到线路巡检中.虢韬等[3]使用Faster-RCNN模型来解决绝缘子中的自爆缺陷识别，最终绝缘子检测精度为95%，但每张图片的平均检测时间却需要320 ms，检测的实时性有待提高.李伟性等[4]使用ResNet(Residual Network)替代VGGNet(Visual Geometry Group Network)的SSD算法来实现输电线路上绝缘子缺陷检测，也取得了不错的效果.赖秋频等[5]使用YOLOv2网络并结合边缘检测、直线检测、图像旋转等方法来实现输电线路绝缘子的缺陷诊断，最终平均识别精确率达到了90.1%，且识别速度达到了30帧/s.吴涛等[6]使用轻量级的……