绝缘子是输电线路中大量存在的部件,由于长期运行在户外,其表面极易发生破损,从而对整条线路产生严重的运行安全问题。利用计算机视觉的手段快速、准确地定位出图像中的绝缘子,可以大大节省人力物力,提高检修效率,对保障电网安全、有效运行具有重大意义。本文将基于区域建议的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)的航拍输电线路绝缘子目标检测任务分为两个阶段,即:实现对航拍输电线路图像中绝缘子目标的准确快速检测以及实现对航拍输电线路中绝缘子缺陷目标的检测方法。针对目前已有的对绝缘子目标的检测方法不能满足大规模航拍输电线路绝缘子图像检测任务中所需要的高准确率和高速度的检测需求。本文提出了一种基于改进的R-FCN航拍巡线图像中绝缘子目标检测方法。首先,根据绝缘子目标的长宽比知识,将R-FCN模型中RPN的建议框生成机制的长宽比修改为:1:4,1:2,1:1,2:1,4:1,生成机制的尺度修改为:64,128,256,512;然后,针对遮挡问题,在R-FCN模型中引入对抗空间丢弃网络(Adversarial Spatial Dropout Network,ASDN)层,对特征图的部分位置生成掩码以获得目标特征不完整样本,从而提高模型对目标特征较差的样本检测性能。在包含7433个绝缘子目标框的数据集中,R-FCN模型的平均检测率达到了77.27%,本文改进的R-FCN检测方法的平均检测率达到了84.29%,性能提升了7.02%,且检测框更贴合目标。在航拍输电线路图像中绝缘子缺陷目标检测任务中,目前已有的检测方法都是针对某一类缺陷类型,处理的问题比较单一。首先根据不同材质的绝缘子缺陷类别在深度模型中特征表示具有一定的相似性这一知识将众多绝缘子缺陷类型进行分类统一,并最终确定建立了包含绝缘子掉串、绝缘子破损、绝缘子脏污三类绝缘子缺陷类型的航拍输电线路绝缘子目标缺陷的图像数据集,并依托此数据集对R-FCN模型进行微调。然后对深度模型的超参数进行调整,并使得微调后的R-FCN模型所得到的平均准确率达到了43.35%;对航拍输电线路绝缘子图像中的绝缘子缺陷目标的检测结果有了较明显的提升。