随着社会的快速发展,人类生活和社会生产对稳定的电力供应要求越来越高。中国的配电线路超过440万公里,已形成世界上最大的配电网络,对配网线路的巡检和维护任务繁重,采用机器人进行自主作业是必然发展趋势。在电网系统维护检修过程中,实时识别和定位绝缘子和熔断器对于配电网带电作业机器人进行运动规划具有重要意义。基于深度学习的目标检测算法具有精度高、速度快、鲁棒性强的优点,能够为机器人实时反馈目标的种类和位置信息,结合双目深度相机,可实现对带电作业目标的三维定位,进而进行自主运动规划。本文研究了单阶目标检测算法YOLOv4,分析了作业机器人的复杂作业环境和YOLOv4小目标检测能力的不足,提出了改进YOLOv4用于检测绝缘子和跌落熔断器等带电作业目标,主要做了以下的研究工作:（1）数据集的制作和数据增强。数据集是用来对目标检测算法模型进行训练,本文使用无人机对带电作业目标图像进行采集。但带电作业机器人在对电网进行检修时会面对阴天、雨雾天气、遮挡等情况,因此本文在制作数据集时,引入目标增强方法用以丰富数据集,提升模型对阴天、雨雾天气等情况的鲁棒性。针对训练集中样本不平衡问题,使用代价敏感学习改进检测模型的损失函数,减缓样本不平衡问题。（2）基于聚类算法选取锚框。锚框在目标检测过程中提供关于尺寸的先验信息,用于生成检测框。本文采用了两类聚类方法用来选取锚框:传统聚类算法和基于神经网络的无监督学习。使用不同的锚框训练模型,通过实验对比发现,采用模糊C均值聚类算法常用的代替K均值聚类算法选取锚框,提升了检测精度。（3）针对小尺寸带电作业目标改进YOLOv4网络结构。针对小带电作业目标检测能力的不足,本文改进了目标检测算法的网络结构,融合更多的浅层特征,并且增加更大尺寸的检测层用以提升目标检测算法对小目标的检测能力。增加检测层会导致网络结构更加庞大,降低了检测速度,针对此问题本文研究使用残差块代替部分卷积块,轻量化网络结构,保持原有的检测速度。实验结果的对比分析显示,本文提出的改进的YOLOv4在保持原有的检测速度情况下,提升对带电作业目标以及小目标的检测精度。（4）配网带电作业目标的三维定位。介绍相机的标定原理以及双目测距原理,使用棋盘纸和MATLAB标定工具对双目相机进行标定。在室内配网带电作业模拟现场进行三维定位实验,结合深度信息实现对带电作业目标检测框中心点的定位,返回目标中心点在相机坐标系下的三维坐标。