基于深度学习的输电线路巡检异常状态检测方法研究
黄梓航

广州南方学院，广东广州，510970；

摘要：针对无人机输电线路巡检图像中绝缘子定位难、缺陷分类易漏检的问题，本文提出一种基于深度学习的自动检测方法。该方法先采用YOLOv8、Faster R-CNN和DETR等框架完成绝缘子目标定位，再以ResNet-50结合CBAM注意力机制识别正常、破损、污秽和掉串等状态。数据层面以公开CPLID数据集和工程增补标注流程为基础，说明样本构建、增强和评价指标。研究表明，该路线可将无人机巡检由人工逐帧审查转向自动定位、异常筛选和人工复核结合。

关键词：深度学习；无人机巡检；绝缘子检测；缺陷分类；YOLOv8；Faster R-CNN；目标检测

参考文献

[1]谢霄悦.基于深度学习的输电线路缺陷检测研究[D].河北科技大学,2023.DOI:10.27107/d.cnki.ghbku.2023.000561.

[2]曹燕,李欢,王天宝.基于深度学习的目标检测算法研究综述[J].计算机与现代化,2020,(5):63-69.

[3]李一男.深度学习目标检测方法研究综述[J].中国新通信,2021,23(9):159-160.

[4]李沂杨,陆声链,王继杰,等.基于Transformer的DETR目标检测算法综述[J].计算机工程,2026,52(4):62-81.DOI:10.19678/j.issn.1000-3428.0069312.

[5]Siddhartha N ,Pranitha K S B ,Sonika K .Exploring Deep Learning Models for Image Recognition: A Comparative Review[J].Signal & Image Processing : An International Journal,2024,15(3):01-10.DOI:10.5121/SIPIJ.2024.15301.

[6]Ju A ,Wang Z .Convolutional block attention module based on visual mechanism for robot image edge detection[J].EAI Endorsed Transactions on Scalable Information Systems,2022,9(36):DOI:10.4108/EAI.19-11-2021.172214.

[7]苏怡萱,李智,盘书宝.基于改进YOLOv8的输电线路绝缘子缺陷检测方法[J].电子测量与仪器学报,2025,39(1):14-23.DOI:10.13382/j.jemi.B2407753.

[8]Xian T ,Dapeng Z ,Zihao W , et al.Detection of Power Line Insulator Defects Using Aerial Images Analyzed With Convolutional Neural Networks[J].IEEE Transactions on Systems, Man, and Cybernetics: Systems,2020,50(4):1486-1498.DOI:10.1109/tsmc.2018.2871750.

[9]丘灵华,朱铮涛.基于深度学习的输电线路绝缘子缺陷检测研究[J].计算机应用研究,2020,37(S1):358-360+365.