输电线路的运行和维护不仅对电网的稳定运行有着重要的作用,也关系到千万用户的用电体验和用电安全。随着我国特高压、超高压输电技术的发展,越来越多的电力线需要经过重度覆冰区,由此,保障输电线路的安全运行,有效监测覆冰输电线路的危害程度,对国民经济的稳定发展和国民生活质量的提升有着极为重要的作用。通过图像处理的方法对输电线路覆冰情况进行检测,可以更好的适应智能电网数字化发展的需求。边缘检测算法为检测覆冰输电线提供了很好的模型。其中,Canny边缘检测算法是一种较为经典的算法,该方法基于图像的梯度特征进行处理,具有方法简单、易于实现等优点,同时也存在明显缺点,如对椒盐噪声敏感且容易获得局部最优解。遗传规划是一种常用的优化算法,将Canny边缘检测算法与遗传规划相融合进行边缘识别与提取,有利于滤除椒盐噪声,更精准的定位输电线边缘点。卷积神经网络可以自动检测图像特征的多方向性,是对边缘进行有效检测和增大其使用范围的一种创新型检测算法,改进的卷积神经网络算法采用整体嵌套模型对目标覆冰输电线的边缘进行预测并提取,有效的提高了边缘检测的精准度。HED模型的主要思想是利用输入图像的多尺度多层次信息提取边缘特征,并对中间层输出的不同尺度的特征图进行反卷积以获取相同尺寸的图像,将这些特征图像按照不同的权重融合,最后输出目标物体的边缘图像,具有深度高且多方向性的特点,可以快速且精确的获得边缘点和输电线轮廓。最后通过对比覆冰前后输电线的边缘像素坐标,根据相应的比例关系计算覆冰厚度,完成对真实环境下的覆冰输电线的仿真实验。实验结果表明HED整体嵌套模型对于覆冰输电线的在线监测有着更好的检测效果和更大的适用范围。