近年来,航拍无人机及计算机视觉技术在电力巡检方面得到了广泛的应用,该技术可以有效提高供电局对输电线路的巡检效率。绝缘子作为输电线路的重要构成部分,对航拍绝缘子进行精准检测是实现其缺陷识别和故障诊断的重要前提。虽然传统的目标检测算法可以检测出绝缘子,但由于航拍图像上的绝缘子存在遮挡、目标较小、光照不同、方向性不定、背景复杂等因素的影响,容易出现漏检和误判等情况,并不能达到目前的应用需求。为了解决上述问题,本文以航拍绝缘子作为研究对象,主要应用深度卷积神经网络对航拍图像上的绝缘子目标进行检测,以提高在复杂环境下对绝缘子的检测准确度,并将该方法应用到绝缘子图像检测与管理系统中。本文就航拍绝缘子检测问题开展了以下的工作:（1）针对配网架空输电线路的应用场景,为了能够对其巡检图像中绝缘子进行准确检测与分类,提出了一种基于多尺度密集网络的配网架空输电线路绝缘子检测方法。首先,利用K-means算法对数据集的目标框进行分析,获取合适的锚框;然后,将基础网络中的残差模块替换为密集连接模块,增强网络特征信息的复用与融合,同时添加空间金字塔池化模块并优化多尺度特征融合对绝缘子进行预测;最后,采用焦点损失函数更新原始损失函数。实验结果表明,该算法能准确地检测出配网架空线路上的绝缘子。（2）针对主网输电线路巡检图像中的绝缘子串形态且具有方向性不定,且在复杂背景下不能精准地检测出绝缘子串等问题,提出了一种多角度候选区域网络的绝缘子检测方法。首先,将不同层的特征信息进行特征融合来获取更加丰富的特征;然后,基于候选区域网络加入多角度因子,并微调NMS,以便它能够生成任意方向的候选框来更加贴合目标,同时将初始池化层改为Ro IAlign层;最后,在网络的全连接层前加入一个1×1的卷积层,以降低其特征图的参数,避免过拟合。实验结果表明,该算法最终的检测结果能够精确地检测出绝缘子串目标,性能优于目前主流的目标检测算法。（3）设计与开发了一套输电线路绝缘子图像检测与管理系统平台,并将检测算法移植入该系统,验证算法的有效性与实用性。通过该检测系统平台,能够自动检测与定位出航拍输电线路图像上的绝缘子,能够解决电网巡检中复杂的实际问题,具有较高的实际工程应用价值。