摘要：絕緣子自爆缺陷識(shí)別是實(shí)現(xiàn)運(yùn)行狀態(tài)監(jiān)測(cè)和故障診斷的重要前提。針對(duì)輸電線路航拍圖像背景復(fù)雜的特點(diǎn),提出一種基于深度學(xué)習(xí)的絕緣子自爆缺陷識(shí)別方法。本文中應(yīng)用深度學(xué)習(xí)目標(biāo)分類算法中最具代表性的AlexNet,VGG16以及FasterR-CNN框架分別進(jìn)行分類器和檢測(cè)器的訓(xùn)練,并將分類器和檢測(cè)器級(jí)聯(lián)組成級(jí)聯(lián)網(wǎng)絡(luò),進(jìn)行絕緣子目標(biāo)的檢測(cè)識(shí)別。分類器的正確率達(dá)到了72%,檢測(cè)器的正確率達(dá)到了59.6%,級(jí)聯(lián)網(wǎng)絡(luò)的漏檢率降為0。實(shí)驗(yàn)結(jié)果表明本文的方法能夠有效地識(shí)別絕緣子、自動(dòng)化性能良好,為下一步絕緣子故障搶修提供了基礎(chǔ)。