目前我国电网的发展越来越趋于智能化和自动化，这些技术的发展使得计算机视觉技术对电力设备的检测效率大大超越了传统技术对电力设备的智能巡检和在线检测。绝缘子、输电杆塔作为输电线路中的关键元件，同时也易产生故障，这些元件的故障将会对电力线路的安全运行产生较大影响，对生产和生活造成了不便。因此，开展对电力元件的定期监测巡检具有较大的现实意义。通过输电线路的航拍图像对线路元件进行故障分析已成为近几年的研究热点。
　　本文针对航拍图像中的输电元件及其故障进行了检测研究，主要包括对图像中绝缘子掉串、输电杆塔鸟巢等故障、异常目标的检测进行研究，论文的主要内容有：
　　1)针对航拍图像内容复杂且多种多样的特点，本文分析了输电线路图像的特点，并根据分析结果提出了一种改进的MaskR-CNN目标分割算法初步完成图像目标分割，然后针对绝缘子特点以及绝缘子掉串后的轮廓特征，提出了一种基于免疫遗传Snake轮廓提取的方法进行了绝缘子的轮廓选取，且使用最小二乘椭圆拟合方法对提取的结果进行拟合，通过拟合绝缘子片间中心点的距离计算结果定位掉串位置，从而实现绝缘子的故障检测。此外，本文还通过试验验证了此方法的准确性，并且此方法具有较强的抗干扰能力，能很好的应用于工程实践。
　　2)由于输电塔杆与背景中的树木、塔架类背景特征相似度高，易造成误检，因此，采用基于改进的MaskR-CNN算法分割出输电塔杆候选目标，再进行融合角点和直线特征的检测方法，实现输电塔杆的精确定位，从而实现输电塔杆上鸟巢故障的检测。本文还研究了检测系统中各部分对测量准性的影响，并且给出了不同的决绝方法，通过实验对其准确性和有效性进行了验证。
　　3)基于图像处理的输电线路故障诊断系统的设计与实现。针对输电线路故障诊断系统所要实现的功能进行需求分析与功能设计，本文主要介绍了系统登录模块、图片采集与目标分类模块、目标检测模型训练模块、故障诊断模块4大模块，系统使用者可以根据输电元件的类型恰当的选择故障诊断算法，配置合适的参数、处理选定的数据，处理的结果以可视化的形式展示。该系统的开发环境选用Pycharm，使用TensorFlow框架，编程语言为Python。
　　通过实验对比分析结果表明，该故障诊断系统算法平均耗时小、精确性高、可靠性强，绝缘子掉串故障检测准确率能达到94%以上，输电塔杆鸟害故障检测准确率能达到95%以上。