架空输电线路是电网的核心，其安全稳定运行关系到整个电网甚至国家的效益和稳定。作为架空输电线路的重要部件，绝缘子串是输电线路目标和缺陷识别的难点和重点。

　　目前对于基于深度学习的目标定位和识别方法，需要以特定点为中心，通过对特定长宽比和尺度的区域进行分类来完成目标识别。对于大长宽比的目标，受角度未知的影响，识别过程中需要沿着特定基准方向对检测区域进行旋转来完成。但基准方向的个数的确定和如何降低由于多方向检测导致的高计算量成为难题。例如对于未知角度的输电线路绝缘子串的识别和缺陷检测，需要沿着所有可能方向进行检测，这将极大地提升模型计算量，因此不适合无人机等资源受限的前端设备。

　　中国科学院沈阳自动化研究所边缘计算课题组宋纯贺研究员等在国际上首次分析了检测区域与目标实际区域的夹角对识别结果的影响，进而首次确定了对于大长宽比目标识别时的最少检测方向。

　　在此基础上，提出面向大长宽比旋转目标识别的超轻量级方法。其核心思想是首先对目标进行方向预估计，此后仅沿预估方向进行检测，可以在不损失识别精度的条件下降低90%以上计算量。同时，在高精度目标识别和分割的基础上，提出了轻量级高可靠的绝缘子串缺陷识别方法。相关成果于近日发表于国际顶级期刊IEEE Internet of Things Journal （A Cloud Edge Collaborative Intelligence Method of Insulator String Defect Detection for Power IIoT），并申请了系列专利。

　　沈阳自动化所边缘计算课题组长期专注于电力、油田、矿山等系统的数据分析，承担了国家重点研发计划等一系列重要项目，相关研究成果多次发表于多个国际著名学术期刊，申请了一系列专利，多次获得辽宁省自然科学学术成果奖，并被Worldpump等国际知名媒体所关注。

　　（中国日报辽宁记者站）