基于稠密链接和分层重组模块改进的绝缘子缺陷检测研究.pdfVIP

万方数据

ResearchonInsulatorDefectDetectionBasedonDense

LinkingandHierarchicalReorganizationModule

Improvement

by

XieRuonan

ThesisSubmittedtothefacultyoftheXi’anTechnologicalUniversityin

PartialFulfillmentof

theRequirementsfortheDegreeof

MASTER

in

ComputerApplicationTechnology

Supervisor:ZhengqiangYang

Xi’anTechnologicalUniversity

May2025

Xi’an,Shaanxi,P.R.China

万方数据

摘要

十四五规划以来，国家经济飞速发展，相关配套设施的输电线路架设长度也越来越

长。在输电系统中，绝缘子承担着双重功能：既为线路提供机械结构支撑，又实现不同

电位间的电气隔离作用。这种关键设施的性能状况直接影响着电网运行的可靠性与故障

防护效能。电力传输系统中的绝缘元件若发生部件缺损或断裂故障，可能引发系统运行

中断，进而对公共安全和社会经济稳定造成双重威胁。作为电网架构中的关键防护装置，

该元件在失效状态下将直接影响电能传输的稳定性，其潜在风险可能对公共安全构成重

大威胁，并导致不可预估的经济损失。因此，研究出一种能够实现对绝缘子快速定位并

且对缺陷自动识别的绝缘子缺陷检测算法刻不容缓。

基于深度学习的绝缘子缺陷检测方法主要通过检测结构分为two-stage双阶段和

one-stage单阶段两个类别。双阶段算法优势在于检测精度高，但是由于模型将检测过程

切分为分割和检测两个阶段，严重影响了模型的检测效率和检测速度。单阶段算法的优

势在于检测速度快，但是在检测过程中没有对图像区域和检测过程进行分割，所以导致

模型的检测精度没有双阶段算法高。本文针对上述问题，对属于单阶段算法的YOLOv7

模型进行两种不同思路的改进，保证模型保持一个较高的精度的同时还能有较快的检测

速度，主要研究内容如下：

（1）在复杂运行工况下，绝缘子材料经受的机电耦合作用机制可能引发复合应力效

应。这种多物理场交互作用会诱发材料疲劳累积，最终导致其结构完整性丧失或绝缘性

能劣化，形成潜在运行隐患。人工肉眼检测绝缘子受天气和环境的制约存在较大的安全

隐患，基于传统图像处理的绝缘子缺陷检测方法由于算法和硬件限制会导致检测速度慢、

算法鲁棒性差等问题。为了解决上述问题，本文提出了一种基于稠密连接和空间激活函

数的绝缘子缺陷检测方法。首先，为了有效的精简参数，Dense-YOLOv7采用了DenseNet

稠密连接的理念设计了DenseBlock。其次，针对目标检测中普遍存在的类别分布失衡现

象，本文对损失函数进行优化改进，采用FocalLoss函数机制。该策略通过动态调整样

本权重，重点加强困难样本的梯度贡献，从而优化模型对关键特征的辨识能力，使检测

系统的整体性能得到显著提升。最后，针对PReLU、LeakyReLU激活函数对空间信息不

敏感的问题，将激活函数替换为FReLU，提高了模型的鲁棒性。在中国输电线路绝缘子

数据集（CPLID）和自有数据集组成的混合数据集中进行实验，实验结果表明

Dense-YOLOv7能够在保持较高精度的同时，显著降低模型参数量，并有效提高检测速

度，可以满足绝缘子实时检测的应用要求。