2023年第7期63计算机应用信息技术与信息化基于改进的FasterR-CNN输电铁塔绝缘子缺陷检测胡浩特1徐建1黄营1魏凯1HUHaoteXUJianHUANGYingWEIKai摘要为了更有效地检测输电铁塔绝缘子的缺陷，详细介绍了两种算法：FasterR-CNN和CascadeR-CNN。由于FasterR-CNN在处理多尺度检测问题上存在一定的局限性，提出了一种改进的方案，即利用特征金字塔网络，通过改进RPN，来提升检测的准确性。此外,使用Resnet101残差网络代替VGG16网络,减少卷积操作,保留更多绝缘子有效特征信息,提取更多小目标的特征信息,从而提高检测效果。最后通过实验对比分析，改进后的FasterR-CNN算法能更有效精确的应对绝缘子缺陷检测。关键词输电铁塔绝缘子；FasterR-CNN；CascadeR-CNN；特征金字塔网络；Resnet101残差网络doi：10.3969/j.issn.1672-9528.2023.07.0161.湖北民族大学湖北恩施4450000引言近年来，随着技术的进步，无人机已经被广泛地应用于电力行业的监控和维护，它们的优势显而易见：比起人工监控，它们的监控效果更加出色，而且更加节省人力。尽管能利用无人机收集海量的图像资料，但仍然难以取代传统的手动操作，从而获得更好的运行效果。为了解决这一问题，研究一项智能、快速、准确的算法，对于识别输电线路的零部件及其存在的缺陷，将会发挥出巨大的作用。由于输电铁塔陶瓷绝缘子可击穿性，在长时间的静电场、机械装置和气候变化的影响下，会出现产品质量降低的情况，这将影响到电力系统的安全。所以，高效的检测和识别陶瓷绝缘子，将有助于提高电力的安全运行水平。由于传统的手段，如人工巡检，有繁琐且效率低下的问题.随着科技的进步，无人机巡检电网的方式凭借其机动性强、覆盖范围广、运动灵活等优点逐步应用于电力系统的巡检工作，从而保证电力输电网络中故障的快速定位[1-2]。传统的无人机巡检电路的方法常作为辅助手段检测输电塔，但人工观察无人机传输图像的方法依旧存在检测结果不准确、故障排查不完全等缺陷[3-4]。此外，通过利用深度学习的算法，可以更加有效地实现对输电铁塔的零部件的识别，以及更加精细的缺陷检测任务。FastR-CNN以及FasterR-CNN都被广泛应用于深入学习领域，它们的共同优势在于具有极强的准确性。鉴于任务要求和模型复杂性，使用FasterR-CNN模型更加符合实际情况。然而，实验结果表明，该模型在检测小型目标时表现不佳，因此，如果仅仅依赖于原有的FasterR-CNN模型，很可能会导致大量的目标被遗漏。为了克服传统电路巡检方法的局...
