基于无人机巡检的输电线路绝缘子及其异物检测算法

于子涵; 王赫鸣; 王建凯; 朱胜强; 孟祥忠

doi:10.12096/j.2096-4528.pgt.24230

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于无人机巡检的输电线路绝缘子及其异物检测算法

AI在新型电力系统中的应用 | 更新时间：2026-06-29

- 基于无人机巡检的输电线路绝缘子及其异物检测算法
- Detection Algorithm for Insulators and Foreign Objects on Transmission Lines Based on Unmanned Aerial Vehicle Inspection
- 发电技术 2025年46卷第3期页码：532-540
- 作者机构：
  
  1.山东黄金电力有限公司，山东省烟台市 266040
  2.青岛科技大学自动化与电子工程学院，山东省青岛市 266061
- 作者简介：
  
  于子涵(1986)，女，工程师，研究方向为智能变电站建设、电力智能巡检、电力系统大数据监控，690470882@qq.com；
  王赫鸣(1989)，男，硕士，工程师，研究方向为电力智能巡检、智能变电站建设、电力无人机巡检与控制，13465505668@139.com；
  王建凯(1989)，男，工程师，研究方向为智能变电站建设、电力智能巡检、电力系统开发与设计，807643738@qq.com；
  朱胜强(1973)，男，工程师，研究方向为智能变电站建设、电力智能巡检、电力系统监控与开发，595221206@qq.com；
  孟祥忠(1964)，男，博士，教授，研究方向电力电子技术、电力系统自动化技术、智能电力巡检，本文通信作者，woaiyishanyishui@126.com。
- 基金信息：
  
  山东省自然科学基金项目(ZR2022ME194)
- DOI：10.12096/j.2096-4528.pgt.24230
  中图分类号： TM 216;TP 391
- 收稿：2024-10-29，
  
  修回：2024-11-29，
  
  纸质出版：2025-06-30
- 稿件说明：
移动端阅览
于子涵,王赫鸣,王建凯等.基于无人机巡检的输电线路绝缘子及其异物检测算法[J].发电技术,2025,46(03):532-540.

YU Zihan,WANG Heming,WANG Jiankai,et al.Detection Algorithm for Insulators and Foreign Objects on Transmission Lines Based on Unmanned Aerial Vehicle Inspection[J].Power Generation Technology,2025,46(03):532-540.
于子涵,王赫鸣,王建凯等.基于无人机巡检的输电线路绝缘子及其异物检测算法[J].发电技术,2025,46(03):532-540. DOI： 10.12096/j.2096-4528.pgt.24230.

YU Zihan,WANG Heming,WANG Jiankai,et al.Detection Algorithm for Insulators and Foreign Objects on Transmission Lines Based on Unmanned Aerial Vehicle Inspection[J].Power Generation Technology,2025,46(03):532-540. DOI： 10.12096/j.2096-4528.pgt.24230.

摘要

目的

传统的电网巡检方式存在劳动强度大、效率低等问题，为此，以山东黄金电网为研究对象，提出一种基于轻量化深度学习网络YOLOv5-Mv3的无人机巡检电网绝缘子及其异物检测算法。

方法

首先，通过无人机巡检电网拍摄图片来构建数据集，对数据集进行训练；其次，针对电网绝缘子及其异物，采用Mobilenetv3来替代CSPDarknet53作为特征提取网络，对YOLOv5-Mv3进行轻量化改进，减少模型参数和计算量，在保证准确率的同时，满足实时检测的要求。

结果

该检测算法的均值平均精度达到84.7%，检测速度达到56.6帧/s，改进的YOLOv5-Mv3与Faster RCNN、SSD、YOLOv4模型相比，具有更高的检测精度和更快的检测速度。

结论

该算法提高了无人机巡检电网效率，实现了轻量高效的效果，符合电网智能巡检的要求。

Abstract

Objectives

Traditional power grid inspection methods suffer from high labor intensity and low efficiency. Taking Shandong Golden Power Grid as the research object

this study proposes an inspection algorithm using unmanned aerial vehicle (UAV) based on lightweight deep learning network YOLOv5-Mv3 for detecting grid insulators and foreign objects.

Methods

Firstly

a dataset is constructed using images captured by UAVs during power grid inspection and is trained. Then

for the grid insulators and foreign objects

Mobilenetv3 is used to replace CSPDarknet53 as the feature extraction network in order to lighten the YOLOv5-Mv3 model

reducing parameters and computational cost while maintaining accuracy and enabling real-time detection.

Results

The proposed detection algorithm achieves a mean Average Precision of 84.7% and 56.6 frames per second. Compared to Faster RCNN

SSD

and YOLOv4 models

the improved YOLOv5-Mv3 demonstrates higher detection accuracy and faster performance.

Conclusions

The proposed algorithm improves the efficiency of UAV-based power grid inspection and achieves lightweight and high-efficiency effect

fully meeting the requirements for intelligent power grid inspection.

关键词

Keywords

references

巢亚锋，万涛，张柳，等．湖南电网架空线路复合绝缘子掉线分析及建议 [J ] ．高压电器， 2021 ， 57 ( 8 )： 209 - 215 ．

CHAO Y F ， WAN T ， ZHANG L ， et al ． Analysis and suggestions on string breakage failure of composite insulator of overhead transmission line in Hunan power grid [J ] ． High Voltage Apparatus ， 2021 ， 57 ( 8 )： 209 - 215 ．

刘传洋，吴一全．基于深度学习的输电线路视觉检测方法研究进展 [J ] ．中国电机工程学报， 2023 ， 43 ( 19 )： 7423 - 7446 ． doi: 10.11834/jig.220432 http://dx.doi.org/10.11834/jig.220432

LIU C Y ， WU Y Q ． Research progress of vision detection methods based on deep learning for transmission lines [J ] ． Proceedings of the CSEE ， 2023 ， 43 ( 19 )： 7423 - 7446 ． doi: 10.11834/jig.220432 http://dx.doi.org/10.11834/jig.220432

刘宏胜，李宏杰，张华君，等．混合ACA-SA算法的无人机巡检电塔路径优化方法 [J ] ．自动化与仪器仪表， 2024 ( 1 )： 121 - 125 ．

LIU H S ， LI H J ， ZHANG H J ， et al ． A hybrid ACA-SA algorithm for UAV inspection path optimization [J ] ． Automation & Instrumentation ， 2024 ( 1 )： 121 - 125 ．

刘春，艾克然木·艾克拜尔，蔡天池．面向建筑健康监测的无人机自主巡检与裂缝识别 [J ] ．同济大学学报(自然科学版) ， 2022 ， 50 ( 7 )： 921 - 932 ．

LIU C ， EKRAM·E ， CAI T C ． UAV autonomous inspection and crack detection towards building health monitoring [J ] ． Journal of Tongji University (Natural Science) ， 2022 ， 50 ( 7 )： 921 - 932 ．

隋宇，宁平凡，牛萍娟，等．面向架空输电线路的挂载无人机电力巡检技术研究综述 [J ] ．电网技术， 2021 ， 45 ( 9 )： 3636 - 3648 ． doi: 10.13335/j.1000-3673.pst.2020.1178 http://dx.doi.org/10.13335/j.1000-3673.pst.2020.1178

SUI Y ， NING P F ， NIU P J ， et al ． Review on mounted UAV for transmission line inspection [J ] ． Power System Technology ， 2021 ， 45 ( 9 )： 3636 - 3648 ． doi: 10.13335/j.1000-3673.pst.2020.1178 http://dx.doi.org/10.13335/j.1000-3673.pst.2020.1178

芦肇基，沈艳霞，谭永强．基于多结构融合WGAN的模糊绝缘子图像复原方法研究 [J ] ．电力系统保护与控制， 2024 ， 52 ( 22 )： 166 - 175 ．

LU Z J ， SHEN Y X ， TAN Y Q ． A WGAN blur insulator image restoration method based on multi-structure fusion [J ] ． Power System Protection and Control ， 2024 ， 52 ( 22 )： 166 - 175 ．

霍红刚，周蠡，蔡杰，等．基于先验知识Faster R-CNN的输电线路无人机图像识别方法 [J ] ．智慧电力， 2024 ， 52 ( 6 )： 108 - 115 ．

HUO H G ， ZHOU L ， CAI J ， et al ． UAV image recognition method for transmission line based on prior knowledge faster R-CNN [J ] ． Smart Power ， 2024 ， 52 ( 6 )： 108 - 115 ．

任明，李乾宇，夏昌杰，等．基于稀疏光谱成像的线路复合绝缘子积污状态可视化评估 [J ] ．中国电力， 2025 ， 58 ( 2 )： 203 - 215 ．

REN M ， LI Q Y ， XIA C J ， et al ． Visualized estimation of composite insulator pollution status of transmission line based on reflective multispectral imaging [J ] ． Electric Power ， 2025 ， 58 ( 2 )： 203 - 215 ．

彭曙蓉，刘登港，何洁妮，等．基于改进YOLOv4的架空线路电力设备故障检测 [J ] ．电力科学与技术学报， 2023 ， 38 ( 5 )： 169 - 176 ．

PENG S R ， LIU D G ， HE J N ， et al ． Fault detection for overhead line power equipment based on improved YOLOv4 [J ] ． Journal of Electric Power Science and Technology ， 2023 ， 38 ( 5 )： 169 - 176 ．

朱长荣，吕文超，单超，等．基于IMU-GNSS-VO的输电线无人机巡检定位和目标跟踪自适应方法 [J ] ．电力建设， 2023 ， 44 ( 8 )： 61 - 70 ．

ZHU C R ， LÜ W C ， SHAN C ， et al ． Adaptive method for transmission-line UAV inspection location and target tracking based on IMU-GNSS-VO [J ] ． Electric Power Construction ， 2023 ， 44 ( 8 )： 61 - 70 ．

杜觉晓，赵留学，莽修伟，等．基于边缘端目标识别与跟踪算法的输电线路航拍视频流诊断技术研究 [J ] ．智慧电力， 2023 ， 51 ( 6 )： 106 - 113 ．

DU J X ， ZHAO L X ， MANG X W ， et al ． Aerial video stream diagnosis technology for transmission lines based on edge target recognition and tracking algorithm [J ] ． Smart Power ， 2023 ， 51 ( 6 )： 106 - 113 ．

张焕龙，齐企业，张杰，等．基于改进YOLOv5的输电线路鸟巢检测方法研究 [J ] ．电力系统保护与控制， 2023 ， 51 ( 2 )： 151 - 159 ．

ZHANG H L ， QI Q Y ， ZHANG J ， et al ． Bird nest detection method for transmission lines based on improved YOLOv5 [J ] ． Power System Protection and Control ， 2023 ， 51 ( 2 )： 151 - 159 ．

GIRSHICK R ． Fast R-CNN [C ] // International Conference on Computer Vision ． IEEE Computer Society ， 2015 ：1504.08083． doi: 10.1109/iccv.2015.169 http://dx.doi.org/10.1109/iccv.2015.169

REN S ， HE K ， GIRSHICK R ， et al ． Faster R-CNN：towards real-time object detection with region proposal networks [J ] ． IEEE Trans Pattern And Mach Intell ， 2017 ， 39 ( 6 )： 1137 - 1149 ． doi: 10.1109/tpami.2016.2577031 http://dx.doi.org/10.1109/tpami.2016.2577031

LIU W ， ANGUELOV D ， ERHAN D ， et al ． SSD：single shot MultiBox detector [C ] // Computer Vision-ECCV2016 ． Cham ： Springer International Publishing ， 2016 ： 21 - 37 ． doi: 10.1007/978-3-319-46448-0_2 http://dx.doi.org/10.1007/978-3-319-46448-0_2

REDMON J ， DIVVALA S ， GIRSHICK R ， etal ． You only look once：unified，real-time object detection [C ] // 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) ． LasVegas，NV，USA ： IEEE ， 2016 ： 779 - 788 ． doi: 10.1109/cvpr.2016.91 http://dx.doi.org/10.1109/cvpr.2016.91

REDMON J ， FARHADI A ． YOLO9000：better，faster，stronger [C ] // 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) ． Honolulu，HI ： IEEE ， 2017 ： 7263 - 7271 ． doi: 10.1109/cvpr.2017.690 http://dx.doi.org/10.1109/cvpr.2017.690

FARHADI A ， REDMON J ． Yolov3：an incremental improvement [C ] // Computer Vision and Pattern Recognition . Berlin/Heidelberg，Germany ： Springer ， 2018 ， 1804 ： 1 - 6 ．

WANG Z ， GAO Q ， LI D ， et al ． Insulator anomaly detection method based on few-shot learning [J ] ． IEEE Access ， 2021 ， 9 ： 94970 - 94980 ． doi: 10.1109/access.2021.3071305 http://dx.doi.org/10.1109/access.2021.3071305

XIA H ， YANG B ， LI Y ， et al ． An improved CenterNet model for insulator defect detection using aerial imagery [J ] ． Sensors ， 2022 ， 22 ( 8 )： 2850 ． doi: 10.3390/s22082850 http://dx.doi.org/10.3390/s22082850

HAN G ， HE M ， GAO M ， et al ． Insulator breakage detection based on improved YOLOv5 [J ] ． Sustainability ， 2022 ， 14 ( 10 )： 6066 ． doi: 10.3390/su14106066 http://dx.doi.org/10.3390/su14106066

HUANG Y ， JIANG L ， HAN T ， et al ． High-accuracy insulator defect detection for overhead transmission lines based on improved YOLOv5 [J ] ． Applied Sciences ， 2022 ， 12 ( 24 )： 12682 ． doi: 10.3390/app122412682 http://dx.doi.org/10.3390/app122412682

LIU L ， KE C ， LIN H ． Dark-center based insulator detection method in foggy environment [J ] ． Applied Sciences ， 2023 ， 13 ( 12 )： 7264 ． doi: 10.3390/app13127264 http://dx.doi.org/10.3390/app13127264

何宁辉，王世杰，刘军福，等．基于深度学习的航拍图像绝缘子缺失检测方法研究 [J ] ．电力系统保护与控制， 2021 ， 49 ( 12 )： 132 - 140 ．

HE N H ， WANG S J ， LIU J F ， et al ． Research on infrared image missing insulator detection method based on deep learning [J ] ． Power System Protection and Control ， 2021 ， 49 ( 12 )： 132 - 140 ．

程登峰，林世忠，尚文迪．输电线路固定翼无人机多目标巡检线路优化 [J ] ．自动化仪表， 2023 ， 44 ( 12 )： 21 - 25 ．

CHENG D F ， LIN S Z ， SHANG W D ． Optimization of fixed-wingunmaunedaerialvehiclemulti-objectiveins- pectionroutesforpowertransmissionlines [J ] ． Process Au- tomation Instrumentation ， 2023 ， 44 ( 12 )： 21 - 25 ．

罗潇，於锋，彭勇．基于深度学习的无人机电网巡检缺陷检测研究 [J ] ．电力系统保护与控制， 2022 ， 50 ( 10 )： 132 - 139 ． doi: 10.19783/j.cnki.pspc.211664 http://dx.doi.org/10.19783/j.cnki.pspc.211664

LUO X ， YU F ， PENG Y ． UAV power grid inspection defect detection based on deep learning [J ] ． Power System Protection and Control ， 2022 ， 50 ( 10 )： 132 - 139 ． doi: 10.19783/j.cnki.pspc.211664 http://dx.doi.org/10.19783/j.cnki.pspc.211664

邵瑰玮，刘壮，付晶，等．架空输电线路无人机巡检技术研究进展 [J ] ．高电压技术， 2020 ， 46 ( 1 )： 14 - 22 ．

SHAO G W ， LIU Z ， FU J ， et al ． Research progress in unmanned aerial vehicle inspection technology on overhead transmission lines [J ] ． High Voltage Engineering ， 2020 ， 46 ( 1 )： 14 - 22 ．

浏览量

1823

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进深度极限学习机的电网虚假数据注入攻击定位检测

基于无人机图像的风力发电机叶片缺陷识别

基于电-氢混合储能的综合能源系统直流母线电压虚拟惯性控制策略

计及储能参与的区域电网自动发电控制调控策略

基于功率环与电流环联合控制的虚拟同步发电机故障穿越控制策略