绝缘子作为电力网络中最为常见的器件,在输电线路中发挥着至关重要的作用,其在工作中受运行环境与外界条件的影响极易发生故障。绝缘子故障会影响电力系统电能质量,甚至引发整条线路故障,造成严重的经济损失。因此,应时刻关注绝缘子的运行状态,一旦发现故障,需及时维修或更换。随着电网智能化与自动化的发展,已有学者提出将无人机技术与图像处理技术应用至绝缘子故障检测领域,以代替传统的人工检测方式,但航拍图像中绝缘子的视距视角各异,所处背景复杂多变,这将影响绝缘子器件检测的准确率,如何在复杂背景下准确地对绝缘子进行定位与故障检测已成为热点问题。为此,本文提出了一种复杂背景下准确率较高的绝缘子故障检测方案,主要工作及总结如下:（1）针对绝缘子定位准确率低问题,对SSD目标检测算法进行了改进。通过调整首端网络结构提升网络对小目标的抓取能力;利用膨胀卷积增大感受野,在不增加网络深度的前提下提升网络对深层信息的抓取能力,从而提高网络性能。通过与同类研究对比发现,改进后的网络在复杂背景下具有明显优势。（2）针对复杂背景下绝缘子图像分割效果差问题,提出一种基于改进Grab Cut算法的绝缘子分割方案。利用绝缘子定位模型提取出的位置信息初始化Grab Cut,从而实现自动分割;将图像显著性信息作为约束条件添加至Grab Cut的区域项,以减少在复杂环境下对绝缘子的错误分割。通过对比试验验证了该分割算法的有效性。（3）针对重叠、遮挡现象导致的绝缘子缺陷定位不准问题,采用基于形态学滤波的缺陷定位方法。经过试验验证,该方法可有效对重叠、遮挡的绝缘子串进行故障检测。（4）基于Python语言和Tkinter库开发了交互式软件,将绝缘子故障检测算法移植至检测系统软件中,并导入测试图像对软件进行测试。测试结果表明:该软件能满足绝缘子故障检测任务的应用需求。本文综合考虑检测模型的泛化能力与检测精度两方面因素,提出了一种深度学习算法与传统图像算法结合的绝缘子故障检测方法。首先通过深度学习算法对图像中绝缘子进行定位,然后结合绝缘子本身的几何特征,对航拍图像中绝缘子作故障检测与缺陷定位。经试验测试,绝缘子定位准确率达到了97.47%,故障检测精度为93.5%,与现有方法对比,该方法在复杂环境下仍可获得较好的检测效果。