1.1  基于可见光图像的绝缘子局部放电检测

绝缘子放电的可见光数字图像中包含丰富的色度信息，研究其色度信息可以为判断绝缘子放电过程提供依据，绝缘子的闪络过程中，可见光信息中的R、G分量的灰度值会有急剧变化，通过可见光视频图像三个分量的占比变化曲线，可以反映表面放电的存在与否。

为检测输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子，周筑博等^[10]提出了一种基于深度卷积神经网络的可见光图像目标检测技术。通过对图像库扩充，调整网络结构对网络参数进行调优提高绝缘子检测的准确率。吴涛等^[11]采用YOLOv3算法实现了可见光通道下绝缘子串断裂的检测。提升了高清绝缘子的图像检测速度，且能够完成绝缘子定位及缺陷检测。宁柏锋等^[12]解决绝缘子缺陷检测效果不佳等问题,提出了基于Faster-RCNN算法的无人机巡检图片绝缘子缺陷检测方法。通过Faster－RCNN算法对巡检图像进行局部分割和增强处理，从而提高图像检测的精准性，实现对绝缘子缺陷的有效检测。刘志颖等^[13]对电力架空线路巡检可见光图像智能处理方面作了大量工作。其首先介绍电力巡检可见光图像的来源，总结可见光光巡检的内容及缺陷特点，探讨了其应用现状与应用前景。

近10年可见光巡检图像目标检测研究的检测对象主要为绝缘子、导线、杆塔和金具4大类。其中，绝缘子类占论文总数的一半，包括检测绝缘子本体及自爆、破损、闪络和覆冰缺陷。目前利用无人机拍摄的绝缘子可见光图像基于迁移学习，对无人机巡检图像进行分割和增强的处理可以实现对绝缘子运行信息的缺陷识别。