摘要：无人机巡检输电线路时,因拍摄角度和距离问题,容易出现被输电线遮挡和远距离拍摄的防振锤脱落目标,导致目标特征被遮挡且分辨率较低,且部分防振锤出现滑移现象,导致目标识别准确率降低。针对以上问题,提出一种基于改进Cascade RCNN的防振锤脱落检测网络。第一,设计了对比学习网络,将正负样本与真实样本的特征进行对比学习,利用对比损失函数训练网络,使其能更加关注到被遮挡的防振锤脱落目标,提升其特征提取能力;第二,进行了分类器增强操作,筛选出网络级联结构中回归效果较好的感兴趣区域并送入最后的分类回归队列中,提高了分类器的分类能力,进而提升检测目标的分类分数;第三,设计了并行注意力机制模块,整合网络提取的特征,增大关键特征的权重,使网络关注到图像中更关键的区域;在特征金字塔中,将双线性插值方法代替为反卷积,提升特征还原能力。经交叉验证实验结果表明,改进后的模型召回率、精确率和平均精度达到了97.5%,91.0%和92.0%,相比基线模型分别提高了6.9%,28.4%和8.0%。