绝缘子在高铁架空输电线中起支撑接触网导线和防止电流回地的作用,目前高铁架空输电线中大多使用陶瓷绝缘子,陶瓷绝缘子在室外受潮或受雷电击穿时会损坏或变成零值绝缘子,严重影响高铁运行的安全,因此,绝缘子的缺陷检测在高铁线检中尤为重要。目前主流的目标检测算法分为两阶段目标检测算法和单阶段目标检测算法,深度学习目标检测算法由于其强大的特征表示能力,加之近年来数据量的积累和硬件计算力的进步,逐步成为热点技术。不论是两阶段还是单阶段的目标检测算法,在众多领域,如无人驾驶、视觉搜索和图像理解等场景中均有广泛应用。本文针对绝缘子缺陷检测中的定位问题,采用基于深度学习的目标检测算法对绝缘子检测与定位展开研究。针对绝缘子检测精度问题,本文首先改进Faster R-CNN特征提取网络VGG16,在保持VGG16网络前七层特征提取层的基础上,引入非对称卷积核和卷积核组合等形成高层特征提取块替换其深层特征提取层,最终减小了特征提取网络深度,拓宽了网络宽度。测试结果表明,本文改进的特征提取网络提高了复杂场景中的绝缘子检测精确度。其次,本文进一步使用K-means++（K均值++）算法统计绝缘子标注框的聚类结果,通过对K-means++算法的聚类中心设置不同的值,以及在不同的聚类中心下多次随机生成初始聚类中心,对比分析最终选定3个聚类中心,合理设置锚框的尺寸和比例。对比测试表明,本文重置锚框后能更精确的标识绝缘子位置,并提高了绝缘子检测精确度。最后,本文引入感兴趣区域转换器（Ro I Transformer）。通过训练得到旋转参数,将水平感兴趣区域转换为旋转感兴趣区域,最终使用旋转矩形框标识倾斜绝缘子,在增加较少网络计算量的基础上,提升了倾斜绝缘子的定位准确度。针对绝缘子检测速度问题,本文改进了Faster R-CNN特征提取网络VGG16,将原有VGG16特征提取网络改为层数较少的VGG7-Inception网络。相比VGG16网络,VGG7-Inception网络参数更少,特征提取速度更快。此外,在VGG7-Inception中,使用了非对称卷积核、级联小卷积核以及1×1卷积核,最终减少了网络计算量,缩短了绝缘子检测时间。本文在四种绝缘子检测场景下验证改进算法,实验结果表明,相比原Faster R-CNN算法,本文算法的平均相对检测时间为61%、检测精准率和召回率分别为98.7%和98.6%。验证结果表明本文基于Faster R-CNN算法的改进在绝缘子检测中提升了检测精度,减少了检测时间。