曹志勇，丰 佳，毛文利，李治国，张小燕，赖怀景

（1.国网浙江省电力有限公司电力科学研究院，杭州 310014；2.国网浙江省电力有限公司，杭州 310007；3.深圳大学 计算机与软件学院，广东 深圳 518052）

0 引言

输变电线路建设过程中出现的电力塔基水土流失问题日益得到相关部门的重视。为了获取输电铁塔的位置并了解输电铁塔环保缺陷、塔基水土流失情况，对电力塔基进行巡检是非常有必要的。传统的电力塔基环保缺陷识别和塔基水土保持检测通常依靠人力巡视来记录并收集电力塔基图像数据。而对分布在高山、密林中的输电铁塔进行巡视非常不方便，因此近年来随着无人机技术和图像识别技术的发展，研究者们更倾向于应用无人机收集电力杆塔的图像数据，同时通过图像识别技术来进行自动诊断[1]。

近年来，随着人工智能的高速发展，深度学习的目标检测方法层出不穷，让基于无人机图像数据的电力杆塔检测成为了可能[2-4]。随着深度CNN（卷积神经网络）的兴起，使基于CNN 的深度学习算法迅猛发展。目前应用较为广泛的深度学习目标检测算法可分为单阶段网络和双阶段网络。双阶段网络为基于区域的目标检测算法，代表算法有Faster R-CNN（快速区域卷积神经网络）[5]、Mask R-CNN（实例分割框架卷积神经网络）[6]等，该类算法有较高的检测精度，但检测速度较慢；单阶段网络为基于回归的目标检测算法如YOLO（目标检测算法）[7-9]、SSD（单发多盒探测器）[10]等，它们的特点是采用端到端的检测，具有较快的检测速度。……