基于YOLOv3的电力杆塔检测算法研究

应 斌，唐 斌，潘俊杰，郭 震

（1.国网浙江省电力有限公司台州供电公司，浙江 台州 318000；2.台州宏达电力建设有限公司，浙江 台州 317000）

0 引言

电力杆塔作为支撑输电线的塔架结构，是输电线路中必不可少的关键设备，同时也是输电线路巡检的重要监测对象。电力设备长期暴露在野外，容易出现各种安全隐患，定期巡检输电线路是确保电力安全的重要保障。其中，杆塔检测是输电线路巡检的重要环节。目前无人机技术的高速发展为输电线路巡检带来了新的前景。相比较人工巡检，使用无人机进行巡检具有很多优势。无人机体积小，成本低，操控方便，可以在人工徒步到达不了的艰苦恶劣环境下飞行，适用于在不同位置和不同角度拍摄图像和视频，具有优良的机动性和灵活性。在出现自然灾难时，无人机仍然可以工作，受环境和天气限制少，其飞行速度较快，具有较高的输电线路巡检效率[1]。

近年来，随着深度学习在计算机视觉方面的迅速发展，使得无人机航拍巡检输电线路的杆塔成为现实[2-4]。卷积神经网络在计算机视觉领域上表现得尤为出众，已经广泛应用于计算机视觉的各个领域，包括图像分类、目标检测和语义分割等[5-8]。卷积神经网络利用组合低层特征得到更加抽象的高层特征或属性，具有优良的检测精度和速度[9]。特别是YOLO 算法凭借优良的识别效果和检测速度，在端到端的目标检测领域取得了重要的成果[10]。

电力杆塔由宽度、长度、方向各异的金属钢条构成，每个金属钢条相互交错，交叉点多，形成网状结构。……