【摘 要】在电力系统需要巡检的大环境下，人工巡检的传统方式存在很大不便和安全隐患，而采用无人机的目标检测方法在绝缘子检测识别方向有很大的应用前景。针对绝缘子图像检测中存在的场景复杂、视角多变、设备计算能力受限等问题，提出了一种改进的轻量级SE-YOLOv5s卷积神经网络来实现对绝缘子的快速目标检测，该方法首先在YOLOv5s网络中融合SE注意力模块，以强化网络对绝缘子目标的辨识能力，随后采用K-means聚类方法构建绝缘子的先验框，以提升定位精度，最后构造置信度与定位任务联合的损失函数，并引入 Mosaic 数据增强策略训练网络，有效解决训练数据不足的问题。经过实验验证发现，与主流目标检测方法相比，提出的SE-YOLOv5s方法在绝缘子检测准确率、召回率、检测速度及平均精度均值等性能指标上均取得了较好的结果。实验结果表明，该网络对于绝缘子检测有很好的效果，具有更好的鲁棒性，对电力系统的巡检方式具有参考价值。
【关键词】绝缘子 ; 目标检测 ; 深度学习 ; YOLOv5s
1.引言
对电力系统输电线路的巡检是电力部门的日常工作以及任务之一，特别是对绝缘子的巡检。典型的绝缘子被用于各种导体之间，或导体与接地元件之间，其绝缘磨损程度关乎整个电力线路的安全运行；同时绝缘子又是容易出现故障的组件，它们经常会出现裂纹、污染、损坏等表面缺陷。截至2009年10月，我国在电力系统输电线路中已使用了23亿只绝缘子。据统计，绝缘故障是电力系统中故障率最高的，因此，智能绝缘子应用中的及时巡检尤为重要。但目前电力系统中采用的基本巡检方式依赖人工巡检，由于巡检轨道线路地形复杂且巡检覆盖范围广，人工巡检的成本高、难度大。值得注意的是，随着空中飞行