伴隨著智能化電網(wǎng)的發(fā)展，電力系統(tǒng)自動化程度日益提高，人們對日常運(yùn)行的安全性和穩(wěn)定性要求也越來越高。絕緣子是電力系統(tǒng)的重要組成部分，其應(yīng)用范圍廣，數(shù)量大。絕緣子的工作環(huán)境往往處于山中層巒疊嶂，工作環(huán)境惡劣，絕緣子故障頻繁發(fā)生，嚴(yán)重影響了電力系統(tǒng)的安全和穩(wěn)定。

目前，國內(nèi)外對玻璃絕緣子缺陷的識別研究較多，傳統(tǒng)的方法是人工觀察法。這種方法具有較高的精度，但存在著觀測工作量大、效率低等缺點(diǎn)。另外，還可以借助紅外成像、巡檢機(jī)器人等外置儀器進(jìn)行檢測。

借助于外部設(shè)備，可以有效地減少檢測過程中的安全隱患，但是外加設(shè)備通常比較昂貴。因其成本低廉、操作方便、數(shù)據(jù)采集方便、運(yùn)行風(fēng)險小等特點(diǎn)，已逐步在電力巡檢工作中得到推廣應(yīng)用。UAV巡檢雖然可以獲取大量的現(xiàn)場圖像信息，但是所采集的圖像仍然需要人工處理，大量的圖像數(shù)據(jù)需要大量的工作，同時由于工作人員自身專業(yè)水平和視覺疲勞等原因，在檢測過程中容易出現(xiàn)缺陷遺漏。

利用計(jì)算機(jī)自動識別圖像是目前研究的熱點(diǎn)，常用的方法可分為基于機(jī)器視覺和基于機(jī)器學(xué)習(xí)的方法。本文提出了一種基于機(jī)器視覺的缺陷檢測方法，將被測對象和背景分割成兩部分，然后根據(jù)人為設(shè)定的特征判斷玻璃絕緣子是否存在缺陷。

以機(jī)器視覺為基礎(chǔ)的缺陷檢測方法實(shí)現(xiàn)起來比較簡單，不需要復(fù)雜的訓(xùn)練過程，對特定場景具有很高的識別率，但是在使用過程中存在著很多局限性，如算法的準(zhǔn)確性取決于分割算法的分割效果。在實(shí)際應(yīng)用中，由于絕緣子作業(yè)環(huán)境復(fù)雜，現(xiàn)場條件惡劣，分割結(jié)果往往受到很大的影響，而人工選擇的缺陷識別特征缺乏魯棒性，在拍攝條件發(fā)生變化時，容易出現(xiàn)誤判。

目前，機(jī)器學(xué)習(xí)算法在圖像識別領(lǐng)域得到了廣泛的應(yīng)用，利用機(jī)器學(xué)習(xí)模型對無人機(jī)航拍中的絕緣子圖像進(jìn)行識別和缺陷識別逐漸成為電力系統(tǒng)絕緣子識別方法的一個熱點(diǎn)。通過機(jī)器學(xué)習(xí)算法訓(xùn)練得到的模型能夠自適應(yīng)地挖掘來自大量航拍圖像的表面特征，從而具有較強(qiáng)的抗噪能力。其目的是在準(zhǔn)確識別缺陷和實(shí)時檢測的同時，提高檢測速度和準(zhǔn)確率是一個困難的問題，這是一個非常困難的問題。

與已有的方法相比，YOLOv4具有更快、更準(zhǔn)確的特點(diǎn)。為解決檢測圖像中修正尺寸而產(chǎn)生畸變的問題，提出了一種對加灰條進(jìn)行加灰條處理的方法，同時，在訓(xùn)練過程中采用多階段遷移學(xué)習(xí)策略，模型整體性能得到明顯改善。試驗(yàn)表明，該方法的缺陷檢測mAP值達(dá)到了89.54%，該方法在實(shí)際應(yīng)用中能夠滿足玻璃絕緣子缺陷檢測的準(zhǔn)確度要求。