基于图像颜色分析与多尺度特征补偿的输电线路绝缘子串缺陷检测方法

保持供电不中断

现代生活依赖于由玻璃和陶瓷件组成的长链——称为绝缘子串——它们悬挂在高压输电线下，将电流与金属塔架隔开。当这些部件出现裂纹、烧伤或断裂时，可能引发停电甚至火灾。人工巡检数千公里的线路既耗时又危险，因此电力公司越来越多地依赖无人机拍摄的照片。本文提出了一种更智能的计算机扫描方法，能比现有方法更准确、更可靠地在这些图像中发现绝缘子缺陷。

为何这些链条难以检测

绝缘子串长期暴露在户外，面对太阳、雨雪、冰霜、污染和雷击。随着时间推移，它们可能出现细小裂缝、缺失片段或烧蚀痕迹，进而导致突发性失效。无人机可以拍摄到高分辨率的绝缘子图像，但画面常常杂乱：森林、云层、塔架、导线、鸟巢和阴影都可能填满视野。缺陷可能仅有几毫米宽，很容易在眩光或模糊中丢失。现有的计算机视觉工具要么依赖手工调节的规则——例如固定的颜色范围或简单的形状度量——要么使用在日常场景上训练的通用深度学习模型。这两类方法在光照、天气、视角和背景变化时都表现不稳健。

在嘈杂图像中找到正确部件

新方法的第一步是在任何深度学习处理之前清理每张无人机照片。作者利用了两条稳定线索：对应线路绝缘子的典型颜色，以及其重复排列的规则纹理。首先对亮度进行归一化，以减小强光或深阴影的影响，然后利用同一塔点以往巡检数据，定义绝缘子通常落在的灵活红–绿–蓝颜色区间。这一步能快速去除大片的天空、植被和钢结构。由于仅靠颜色可能会产生误判——例如锈迹、污垢或阴影可能呈现相似颜色——方法接着在候选区域内检查纹理。绝缘子呈现整齐、周期性的图案；背景杂物通常不会。通过在区域上滑动小窗口网格并测量不同灰度级共现的频率，算法仅保留与干净绝缘子样本纹理匹配的区域，并将它们紧密包裹在简单的水平矩形中。

教会网络哪些细节重要

在绝缘子串被孤立出来后，真正的挑战才开始：在其上发现微小缺陷。传统神经网络在信息从输入传到最终预测的过程中会逐步压缩图像信息，这往往会冲淡那些最重要的细微边缘和毛发状裂纹。为了解决这一问题，作者设计了新的检测网络 MFCD-Net，有意地分离并强化不同类型的视觉信息。利用拉普拉斯金字塔，他们将每个裁剪后的绝缘子图像分解为一个捕捉整体形状的平滑分量和一个捕捉锐利线条与纹理的细节分量。随后有三条并行通路分别处理原始图像、高细节层和光滑层，每条通路都带有轻量的注意力模块，用以突出与缺陷或整体结构最相关的特征。

在合适的尺度上将各部分重新组合

仅仅将所有这些特征堆叠在一起还不够，因为不同类型和尺寸的缺陷需要不同的细节与结构混合。MFCD-Net 因此加入了一个动态补偿模块，类似于每个检测尺度的门控器。在网络的每个层级——用于整体绝缘子串的粗层级、用于单个片体的更细层级——该模块查看当前的特征图并逐像素决定从锐化的细节流或平滑的结构流中借用多少信息。随后一个小的残差块精炼这一混合结果，再将其加入主通路。这样，网络能够在怀疑存在裂缝的地方侧重额外的锐度，或在需要将绝缘子与混淆的背景模式区分开来的地方强调更宽泛的形状线索，而不被固定的融合规则束缚。

该方法在实践中的效果如何

作者在包含 5,793 张无人机图像的数据集上测试了完整流程——预分割加 MFCD-Net——这些图像包含近 10,000 条标注的绝缘子串和超过 100,000 个注释单元。他们的颜色与纹理预处理能正确检索约 99% 的绝缘子串，并捕获超过 97% 的真实绝缘子像素，即便在植被茂密或强光直射的场景中也能保持高召回。在缺陷识别方面，他们与八种领先的目标检测系统进行比较，其中包括知名模型如 YOLO、RetinaNet 以及基于变换器的设计。以标准重叠阈值计算的平均精度（mAP）衡量，他们的方法比表现最好的竞争对手整体提高了约 4 个百分点，在对细微损伤和闪络痕迹的检测上尤为明显，这些缺陷往往被先前方法误判为阴影或污渍。

这对电网意味着什么

通俗地说，这项工作展示了如何将简单的物理线索——颜色和重复图案——与精心构造的神经网络相结合，从而使无人机对输电线路的巡检更可靠、更具信息量。通过首先剥离大部分无关背景，然后在每个尺度上将网络的注意力引导到合适的细节与整体形状混合上，系统能够在不产生大量误报的情况下捕捉到更多危险缺陷。尽管仍存在一些挑战，例如某些绝缘子的颜色与周围材料非常接近，以及多分支设计带来的较高计算成本，该方法仍指向了更智能、更安全且更可扩展的关键基础设施监测方向。

引用: Chen, X., Huang, L. & Shen, J. Insulator string defect detection method for transmission lines based on image color analysis and multi-scale feature compensation. Sci Rep 16, 10696 (2026). https://doi.org/10.1038/s41598-026-46525-7

关键词: 电力线路巡检, 绝缘子缺陷, 无人机影像, 深度学习检测, 电网可靠性