基于改进FasterRCNN 的绝缘子异常检测

何文其，李 剑，赵文浩

（国网浙江省电力有限公司台州供电公司，浙江 台州 318000）

0 引言

绝缘子作为输电线路中的重要介质，其主要功能是支持和固定载流导体，在保证电力传输安全性方面起到重要作用，鉴于其重要性，绝缘子的破损和残缺会对电力传输产生巨大危害，直接影响到电力系统的稳定性和安全性。

以往采用人工上电力杆的方式来检测绝缘子是否异常[1]，人力成本较高，同时存在很大的安全隐患。目前无人机技术的快速发展为电力设备巡检带来了新的前景，相较于传统人工巡检，无人机巡检具有成本低、操控方便等显著优势，且不受限于地形状况，可以到达人徒步无法抵达的地方，从不同的角度和视野获取绝缘子图像数据[2]。

随着计算机视觉技术的发展以及硬件算力和存储能力的提升，基于深度学习的图像识别方法越来越火热。自卷积神经网络兴起以来，计算机视觉开始了一场革命，并带动了一大批应用领域的发展，包括语义分割、目标检测、人体关键点检测、目标追踪、对抗生成网络等。基于深度学习的目标检测已成为计算机视觉中最基础的任务之一，相较于传统的方法其更符合人的思考方式。通过数据学习来提高对事物的认知，在精确率和效率上都远远优于传统的方法。

基于上述技术背景，本文提出通过无人机巡检获取绝缘子图像，并采用基于改进的Faster-RCNN 算法检测绝缘子位置，进而判断其是否破损[3-4]。

1 基于深度学习的目标绘测方法

目前基于深度学习的目标检测方法主要有单阶段和双阶段两种。……