基于YOLOv2无人机高压绝缘子实时检测研究

王博文，刘兴东

(国网湖北省电力有限公司检修公司，湖北 武汉 430064)

1 引言

在高压输电线路中绝缘子为电力线导体提供隔离和机械支撑，对线路的安全稳定运行起着至关重要的作用。在泄漏电流大、污秽或恶劣的环境条件下，绝缘子在电气和机械应力下持续运行，很容易发生故障或损坏[1]。采用传统方法(如地面巡逻、仪表测量和爬杆等)监测高压绝缘子，可能效率低、耗时长和成本高。因此，实施基于视觉的检查，如直升机和无人机的空中检测高压绝缘子已经成为一种趋势[2]。

对于评估污秽、结冰、疏水性、老化等方面的绝缘子表面评估研究已有很多[3]，但是在评估之前，需要对绝缘子框架进行精确定位，一些研究集中在使用绝缘子的纹理或颜色特征来确定绝缘子位置；然而，航空影像在复杂背景、植被和光照条件变化下的应用面临困难，使得上述方法在该领域的应用效果不佳[3]，而深度学习神经网络技术的应用克服了这些挑战，并取得了良好的效果。

绝缘子实时检测的深度学习实现面临训练数据量有限、组件小、不平衡问题、环境杂乱等挑战[3]，本文旨在为这些问题提供有效的解决方案。

2 YOLOv2检测模型

在考虑了速度和精度之后，you only look once version 2(YOLOv2)网络更适合实时系统中建立，本文利用航空图像中的YOLO(You Only Look Once)深度学习神经网络模型来进行高压绝缘子实时检测，实现无人机实时自动监测。该架构优于现有卷积神经网络(CNN)网络的实现，如VGG、Resnet和单次多盒检测(SSD)算法。

YOLOv2模型对对象的预测原理就是基于对象在某个边框界的概率得分。……