２０２３年第２期（总第３１２期）２０２３年４月电瓷避雷器ＩｎｓｕｌａｔｏｒｓａｎｄＳｕｒｇｅＡｒｒｅｓｔｅｒｓＮｏ．２．２０２３（Ｓｅｒ．Ｎｏ．３１２）Ａｐｒ．２０２３收稿日期：２０２１－０４－１７基金项目：国家自然科学基金（编号：６１９６３０３０）；江西省电力有限公司科技项目（编号：５２１８Ａ０２０００３Ａ）。ＰｒｏｊｅｃｔｓｕｐｐｏｒｔｅｄｂｙＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（ＮＳＦＣ）（Ｎｏ．６１９６３０３０），ＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＰｒｏｇｒａｍｏｆＪｉａｎｇｘｉＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｍｐａｎｙ（Ｎｏ．５２１８Ａ０２０００３Ａ）。ＤＯＩ：１０．１６１８８／ｊ．ｉｓａ．１００３－８３３７．２０２３．０２．０２４基于ＤｅｅｐＬａｂＶ３＋的无人机航拍绝缘子图像自动化分割方法徐越１，段鑫１，刘子祎１，袁晨２，刘君２（１．国家电网江西省电力有限公司南昌供电分公司，南昌３３００００；２．南昌航空大学信息工程学院，南昌３３００６３）摘要：绝缘子是输电线路的重要组成部分。为了实现输电线路巡检的智能化，对绝缘子区域的自动化识别是基础性工作之一。笔者提出了一种基于ＤｅｅｐＬａｂＶ３＋的无人机航拍绝缘子图像自动化分割方法，同时将ＤｅｅｐＬａｂＶ３＋的分割性能与现有的主流卷积神经网络Ｕ－Ｎｅｔ、ＲｅｓｉｄｕａｌＵ－Ｎｅｔ、ＤｉｌａｔｅｄＵ－Ｎｅｔ进行了比较。结果显示ＤｅｅｐＬａｂＶ３＋方法不但在ＤＩＣＥ指标上得到了９３．２８％的分割精度，在ＩＯＵ指标、敏感性和Ｊａｃｃａｒｄ定量分析中也都表现出最好的性能。实验证明该方法为自动化分割绝缘子区域，提高输电线路巡检的效率和准确性提供了一种潜在的工具。关键词：电网巡检；绝缘子；卷积神经网络；图像分割ＡｕｔｏｍａｔｉｃＳｅｇｍｅｎｔａｔｉｏｎＭｅｔｈｏｄｆｏｒＵＡＶＡｅｒｉａｌＩｍａｇｅｓｏｆＩｎｓｕｌａｔｏｒｓＢａｓｅｄｏｎＤｅｅｐＬａｂＶ３＋ＸＵＹｕｅ１，ＤＵＡＮＸｉｎ１，ＬＩＵＺｉｙｉ１，ＹＵＡＮＣｈｅｎ２，ＬＩＵＪｕｎ２（１．ＳｔａｔｅＧｒｉｄＪｉａｎｇｘｉＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｍｐａｎｙ，ＮａｎｃｈａｎｇＰｏｗｅｒＳｕｐｐｌｙＢｒａｎｃｈ，Ｎａｎｃｈａｎｇ３３００００，Ｃｈｉｎａ；２．ＮａｎｃｈａｎｇＨａｎｇｋｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｏｌｌｅｇ...
