绝缘子是一种特殊的绝缘控件,具有线路支撑和电气绝缘的功能,是架空输电线路中重要元件,同时它又是电路传输过程中故障多发元件。破损、污秽、自爆等问题会影响输电线路的安全运行,造成无法估量的损失。因此,伴随着高压输电线路规模日益增大,人工巡线和目测绝缘子故障的任务日益繁重,有必要对绝缘子的运行状态进行实时检测。因此,本文针对现有绝缘子自爆状态检测方法中开环模型泛化能力的不足和深层神经网络结构的缺陷,模仿人类认知模式,借鉴迁移学习和反馈机制,探索了一种基于深度迁移学习的玻璃绝缘子自爆状态智能检测方法。本文的主要工作如下:(1)针对航拍绝缘子图像中存在大量野外环境信息,以及无人机或直升机在航拍过程中遇到紊流抖动以及处于不同拍摄视角的情形,为绝缘子状态认知模型提供输入数据预处理以及后续精准定位自爆部位,基于YOLO-v3算法对复杂航拍绝缘子图像中的绝缘子进行定位,并进行旋转变换和归一化预处理,为后续状态识别提供绝缘子图像数据库。(2)针对卷积神经网络中存在冗余特征图提取所带来的计算量大的问题,本文引入交错组卷积网络,降低卷积运算的通道冗余,在高阶抽象特征空间的基础上构建更深层次特征空间数据结构,实现输入图像通道空间信息到多层次高阶抽象特征信息的转换。针对卷积模块组提取的绝缘子特征图像有确定映射关系的特征图空间,构建可区分性测度指标评测每个特征图对多类别绝缘子图像的可区分能力,建立可区分能力强且简约的差异化特征图空间。(3)针对深层神经网络中softmax层泛化能力不足的缺陷,研究随机配置网络分类器通过自适应设置参数范围,根据输出残差在随机输入权值和偏移的约束条件下生成新的随机基函数,确保学习模型的万局逼近能力。在深度神经网络的学习过程中,基于前向传播和反向更新的交替优化策略,全局迭代更新深度学习网络的参数,以适应输入端获取的多样化数据集,生成泛化的特征空间数据结构及其分类准则。(4)针对传统采用后验统计的方法无法实时评测绝缘子图像状态的不确定认知结果,模仿人类由整体到局部反复推敲比对的思维信息交互认知模式,基于广义误差和熵理论,建立基于语义误差信息熵的目标优化函数评测指标,实时评测绝缘子状态不确定认知结果的可信度,动态更新卷积层数,基于迁移学习机制实现绝缘子图像多层次差异化特征空间及其分类估计准则的自寻优重构,对可信度低的绝缘子图像状态进行再认知。实验结果表明,本文方法与其它开环和闭环算法相比,增强了模型的泛化能力,提升了模型的认知精度。