1 天津航天中为数据系统科技有限公司（天津市智能遥感信息处理技术企业重点实验室），天津 300301
2 济南汤尼机器人科技有限公司，山东 济南 250101
3 南方电网科学研究院有限责任公司，广东 广州 510080
为了检测输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子，本文采用了一种基于深度卷积神经网络的技术。通过有人直升机搭载高清相机拍摄19条不同的输电线路近600张图片，对图片中的背景、塔材、玻璃绝缘子和复合绝缘子目标进行人工标注及分块，采用数据扩展生成包含15万个样本的输电线路图像库。构造5层深度卷积神经网络，首先用Cifar-100数据集对网络进行预训练，然后用输电线路图像库进行网络调优。本文方法在检测真阳率为90%时，假阳率低于10%，明显优于传统方法，可用于输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子检测，检测结果可用于诊断参考或进一步的目标状态分析。可对输电线路可见光图像中的塔材和绝缘子目标进行检测，并可扩展到其它类型目标的检测。
输电线路图像 绝缘子 目标检测 深度学习 卷积神经网络 transmission line image insulator object detection deep learning convolutional neural networks
