律方成 牛雷雷 王胜辉 谢 庆 王子豪

（1. 新能源电力系统国家重点实验室（华北电力大学） 北京 102206 2. 河北省输变电设备安全防御重点实验室（华北电力大学） 保定 071003）

0 引言

绝缘子、金具等是电网输变电设备的重要组成部分，及时掌握其绝缘水平和运行状态对电力系统的安全稳定运行至关重要[1]。目前电网主要采用的人工巡检方式耗时费力，且无法及时全面地掌握主要电气设备的外绝缘状态[2]。基于无人机和巡检机器人搭载的可见光、紫外和红外图像信息是高压设备热、电参量非接触检测的重要手段和发展趋势，而绝缘子等主要电气设备的识别是对其进行综合诊断以实现其绝缘状态判别的基础[3]。

实现绝缘子等高压设备图像识别思路主要有机器学习方式和深度学习方式。前者主要针对电气设备的形状和纹理特征进行设计，优点为针对性强、特征具有可解释性，缺点为检测鲁棒性差，对目标的拍摄角度等要求较高[3]；后者通过卷积算法自动提取目标抽象化特征，实现端到端图像识别，其识别精度高，泛化能力好，识别速度快，但对样本需求量大，可解释性差[4]。随着无人机和机器人巡检方式的推广，现场将产生大量高压设备检测视频和图片，基于此，本文采用了深度学习方式。

深度学习的概念是在由G. E. Hinton 等2006 年提出的非监督贪心逐层训练算法的基础上[5]，融合了卷积计算、神经网络框架、下采样和自动提取及匹配网络特征的端到端有监督学习框架。……