高压输电线路的安全可靠运行直接关系着国民经济的发展和人民生活的稳
定，因此输电线路必须进行定期巡检，而常见的人工巡检安全风险高且巡检效率
低。目前，机器人自主巡检是智能电网的主要发展方向，机器人的自主环境感知
和缺陷检测是实现自主巡检的关键。但是自主环境感知及缺陷检测存在诸多难
点：难以实现机器人靠近导线过程中的导线变尺度自动识别；复杂背景下多姿态
绝缘子的定位不准确；电力部件小尺度缺陷的检测精度较低。因此，研究导线及
绝缘子的自主感知，电力部件的高精度缺陷检测等问题具有重要的理论意义和
应用价值。本文针对导线变尺度位姿检测、绝缘子三维重建、绝缘子分割、输电
环境典型目标缺陷检测等问题展开研究，论文的主要工作如下：
1. 针对导线变尺度识别问题，提出了一种基于平行分支的实时导线分割方
法，实现了变尺度导线的高准确率定位。语义分支和空间分支分别来获取语义特
征和空间特征，低参数量的非对称分组的深度可分离卷积模块高效地完成了短
范围的特征提取。在此基础上设计了带有跳跃连接的分类器模块，通过短范围特
征与长范围特征的融合提升了导线分割性能。除此之外，采用基于连通域和几何
矩的导线检测方法实现了导线的主轴方向和质心的检测。
2. 针对绝缘子实际样本获取难度大的问题，提出了一种多尺度三维监督与
二维监督融合的绝缘子三维重建方法，实现了绝缘子样本扩充。在单张图像绝缘
子三维重建过程中，通过上采样操作增大原始重建结果的错误，进而提升了三维
重建性能。在此基础上进一步提出了基于注意力机制的多张图像绝缘子三维重
建方法，利用循环神经网络实现三维重建过程中的视角选择，进一步增强重建结
果的准确率。基于该方法，通过投影得到绝缘子二维轮廓图像用于绝缘子图像样
本的扩充，解决了数据获取难度大的问题。
3. 针对绝缘子图像背景复杂且尺度不一等问题，提出了一种基于条件生成
对抗的绝缘子分割方法，实现了绝缘子的高准确率分割。由基于分解卷积的卷积
组构成生成器和鉴别器，生成器有效地提取了丰富的低阶特征，鉴别器获取了图
像的高阶特征。为了进一步减少网络参数量、扩大感受野并提升分割准确率，设
计了残差深度可分离卷积组，并将该卷积组融合于 U-Net 框架中构成生成器，通过网络的多尺度特征融合提升了网络的分割性能。
4. 针对电力部件缺陷尺寸较小的问题，提出了一种基于多尺度特征融合的
小目标缺陷检测方法，实现了小尺度缺陷的高效准确检测。通过在卷积块注意力
模块中加入批处理归一化层，保证网络输入的分布相同，强化了不同通道对特征
图的影响。多尺度特征融合模块通过一次性级联多尺度特征图的方式，提升了对
小尺度目标的语义特征提取能力。最后采用多分支检测模块抑制了低质量的边
界框，提升了缺陷检测准确率。
最后，总结本文的研究工作，并提出了下一步的研究计划。