近年来,国家电网公司致力于提升电力设备智能化水平和能源资源配置能力,保障电力的充足供应,促进电力能源生产与消费的新革命。因此,智能电网的建设已成为电力公司不断追求的目标。其中,基于计算机视觉的高压输电线路重要部件的检测逐渐成为智能电网建设中的研究热点之一。本文主要关注绝缘子和防振锤这两种输电线路重要部件的自动检测技术。基于计算机视觉的检测技术能够准确、高效地自动定位检测航拍图像中的高压输电线路重要部件,对于解放人力资源和提高检测工作效率具有重要意义。大多数高压线路的航拍图像背景包括山川、河流、田野等复杂的地形,这为检测任务带来了很大的挑战。在绝缘子检测时,每个绝缘子在航拍图像中的方向有差异,一般的目标检测算法采用的是不含有角度的规则矩形框对目标进行定位,因此检测框不能紧密包围绝缘子部件,引入了大量的背景噪声。另外,采用深度学习方法对绝缘子盘片的缺失情况进行检测,需要进行大量的绝缘子盘片标注工作。防振锤缺陷检测方面,由于防振锤悬挂在高压输电线上,在大多数的航拍图像中防振锤目标较小,也为防振锤丢失的检测带来困难。针对以上存在的问题,本文的研究内容与主要工作有:(1)提出了基于盘片数量的弱监督绝缘子盘片检测方法,主要包括三个创新点:首先,采用倾斜的矩形框对绝缘子区域进行表示,解决了航拍图像中绝缘子多角度的问题。其次,将盘片数量作为监督信息,根据绝缘子串的位置信息和对应的盘片数量自动生成每个绝缘子盘片的坐标,减少了数据标注的依赖。最后,构建了基于深度学习的检测模型,对绝缘子串和盘片同时进行优化。实验结果显示,所提出方法在所构建数据集的检测结果均优于其他方法,准确率和召回率分别达到了92.86%和86.67%,特别是在检测效率方面有较大提升,能够同时检测绝缘子串和盘片。(2)针对航拍图像中防振锤成对出现的特点,将正常防振锤和丢失防振锤看成两种类型的目标,设计并实现了防振锤缺失检测方法。主要的工作包括:针对防振锤缺陷数据较少的问题,我们生成了大量的防振锤缺陷数据,构建了一个防振锤的数据集。其次,针对防振锤目标尺寸很小的问题,提出了从三个尺度上对防振锤进行检测和分类的方法。最后,通过网络模型的训练,输出防振锤的位置、类别及置信度信息。实验结果证明了所提出方法的有效性。(3)搭建了一个简单易用的绝缘子和防振锤缺陷检测系统平台。系统融入了本文提出的两种算法模型,以及缺陷检测算法功能。