输电线路由于终年暴露在外,各种施工、违章行为引发的输电线路跳闸、倒塔等外力破坏事故呈逐年上升的趋势,严重威胁到输电线路的安全稳定运行。因此,合理有效地开展线路巡检工作愈发重要。现如今,无人机在输电线路巡检中扮演了越来越重要的角色,其中采用的主要是传统的四旋翼以及固定翼无人机。为了有效解决传统四旋翼无人机续航短,普通固定翼对起降场地要求严格的问题,本文搭建了一种新型的能够垂直起降的固定翼无人机平台,称之为复合式无人机,并采用了一体化控制方案,解决了以往复合式无人机在转换飞行模式时不够平稳的问题。此外,无人机在执行巡视任务时会拍摄大量的照片,如果仅靠人工进行识别分类,工作量很大,因此本文针对输电通道巡视照片的分类问题提出了一种改进型的卷积神经网络模型,将无人机拍摄的通道照片进行快速分类,方便检修人员对相应的缺陷进行快速处理。本文以复合式无人机为基础,对复合式无人机平台一体化控制方案以及输电线路巡视图像分类方法进行了研究。论文的第一部分对复合式无人机的主要组成元件及飞行原理予以说明,并针对过渡飞行阶段采用一体化控制方案,通过仿真验证了该方案的可行性。接着以TALON mini固定翼载机为平台,组装搭建了复合式无人机飞行平台,根据PX4飞控平台中针对飞行姿态调节的PID控制原理,分析实际飞行中的日志记录,对相关参数不断整定,提高了无人机的整体飞行性能。第二部分仔细研究了针对图像分类的卷积神经网络,通过具体实验深刻理解了网络各组成部分对分类性能所产生的影响。接着对比了现有用于图像分类的网络结构,选择了VGG16作为输电线路巡视图像的分类模型,并根据现有技术针对网络提出了具体的优化方法。第三部分根据优化方法对VGG16进行了优化,并通过实验进行了验证对比,得出了最佳优化方案,达到了预期的图像分类效果。