传统的电信光缆线路巡检工作主要通过人力进行,其效率低下,通过无人机进行光缆线路巡检可以极大提高工作效率,且能够节省人力资源。针对某省电信公司提出的采用无人机进行自动电信光缆线路巡检的需求,构建了无人机自动化线路巡检系统中的航拍目标检测子系统,以挖掘机作为风险目标,通过航拍图像中的挖掘机来确定图像中是否存在风险。通过对用户提供以及自行采集的1004张5472×3648高分辨率航拍图像进行分析,发现该类图像语义信息复杂,目标物体占比小,特征稀疏,导致检测困难且检测容易受到干扰。用户要求挖掘机的识别率在70%以上且要进行实时识别,依据此要求,通过对目前目标检测算法的对比,选择检测速度最快且检测性能较好的YOLOv3作为目标检测算法。YOLOv3目标检测算法需要输入416×416大小的图像,因此在处理输入图像时会将图像缩小,造成特征损失。为了减少这种特征损失,提出了基于分块的YOLOv3目标检测算法,算法采用基于定步长滑动窗口的分块方法,将图像切分成小块再使用YOLOv3目标检测算法检测,达到了减少特征损失的目的。经过对比实验,基于分块的YOLOv3目标检测算法比未改进时的识别率提升了接近10%。为了更好的训练YOLOv3目标检测模型,构建了多种类型的航拍挖掘机数据集,为以后的工作打下了数据基础。基于这些数据集进行了可识别挖掘机指标临界值探究实验,发现挖掘机像素面积在291443和18840时识别率最高。基于分块的YOLOv3目标检测算法,已经应用到实际生产中,开发了无人机电信线路巡检系统中的航拍目标检测子系统,子系统已经部署到服务器上并试运行四个多月,得到了用户的认可,在一定程度上达到了提高工作效率的目标。