针对变电站绝缘子的检测仍然存在着准确率较低，依赖人工靠近绝缘子进行检测等问题。本团队设计出变电站绝缘子智能巡检系统，该项目主要自主循迹部分、巡检机部分、PC端算法模型识别部分构成。通过智能巡检机在变电站进行自动循迹，工业摄像头对绝缘子进行视觉识别，采集的图像通过数字图传传送到PC端，配合TensorFlow深度学习算法进行图像处理，精准识别绝缘子存在的问题，达到变电站绝缘子自动检测的目的。      智能巡检机以STM32控制器为控制核心，由车体运动部分，摄像头识别传输部分组成。车体运动部分包括4个12V电机，4个麦克纳姆轮，4个编码器，用于测量电机的实时速度，一块32单片机主控板，一个OLED屏，用于显示当前的任务以及位置，一块BTN电机驱动模块，一个12V9AH蓄电池组成。摄像头识别传输部分包括一块KS2A42工业摄像头识别模块、DJI-FPV图传模块和两个MG996舵机。摄像头安装在由两个MG996舵机搭载的云台上面，两个舵机可以通过MPU6050采集并反馈信息，进一步调整出拍摄的最佳角度。摄像头与DJI-FPV图传模块相连，巡检机在到达指定区域后进行自动拍照，采集到绝缘子图像后向DJI-FPV发送指令，DJI-FPV接收到指令后传输到PC端。      在进行网络模型训练时，利用TensorFlow框架下的深度学习库keras，提取vgg16中间结果进行迁移学习，接着将loss重新定义模型中神经网络的参数和交叉熵的损失值，在训练过程中对网络参数的数量进行了优化，共训练36000次，训练准确率达到了0.9815，测试准确率达到了0.93788。解决了由于vgg16参数庞大带来的显存占用率高、检测速度慢等缺点。      在自主循迹方面，使用UWB+RFID的自动循迹系统，智能巡检机通过UWB基站进行定位，通过RFID与磁轨迹射频识别进行导航，适应变电站强电磁干扰复杂环境，具有定位精度高、抗干扰能力强等优点。