现代社会对电力系统的稳定性以及供电质量的要求越来越高,高压输电线路作为电力系统中最基础的电力传输设施,保证其运行状态的安全稳定至关重要。但由于其面对的实际工作环境复杂多变,时常会发生故障,再加之我国电网覆盖面积极广,人工巡检的局限性非常明显。近年来随着机器人技术与各种智能化技术的兴起,智能化巡检机器人的应用越来越广泛,该类机器人在线路上巡检时需要获取障碍物信息来制定相应的越障策略以保证其能够在线路行走,此外由于巡检的基本要求,机器人应能够获取线路的故障信息。本文基于对各类常见的输电线路故障的危害和巡线机器人的运行环境的分析结果,选择了巡检机器人的结构模型,并据此设计了一种高压输电线路的视觉巡检信息的处理方案。首先针对高压线路的运行环境,障碍物类型以及线路故障类型进行了分析。其次,根据分析结果提出了视觉巡检的信息的采集方案,设计了图像分类器并提出了一种优化算法对该分类器进行了优化。然后在此基础上进一步设计并优化了目标检测模型,该模型的构建主要分为特征提取、分类器构造和参数优化等部分,对于对实时性要求较高的障碍物识别检测采用了ORB特征和HOG特征的二级分类模型,部分形变不明显的线路故障采用了LBP特征一级分类模型,分类器类型为混合核极限学习机。参数优化时为不同的分类器分配不同的优化目标,通过混沌算法,模拟退火算法与多种差分策略与原始狮群算法融合获得一种改进的狮群算法,根据优化目标使用该算法对不同的分类器参数进行优化,以此提升了检测模型的整体性能。最后对所设计的模型通过实际环境所拍摄的高压线路中的各类障碍物与线路故障图片进行测试,结果表明基于改进狮群算法优化的混合核极限学习机的二级检测模型和LBP特征的一级模型均取得了良好的检测效果。