作为电力传输系统中必不可少的设备之一,绝缘子监测对于供电系统的安全性和稳定性有至关重要的作用。绝缘子缺陷会严重影响电力传输系统的正常运行。同时,在高分辨率航拍图像中检测复杂背景中的绝缘子缺陷是一项具有挑战性的任务。所以对绝缘子进行高质量的持续监控和缺陷检测意义重大。本文以电网系统中的输电线路为研究背景,以航拍图像中的绝缘子及其缺陷为研究对象。针对目前绝缘子缺陷检测算法的研究现状及存在问题,围绕深度学习算法进行了探讨,具体研究内容和创新点包括以下几个方面:针对现有的一些绝缘子缺陷检测算法注重物理特征的提取,不适用于复杂背景下绝缘子缺陷的检测,且具有检测率、准确率和平均精度低的问题。本文提出了适用于多种背景的基于双多级别多尺度检测器（Double MultiLevel Multi-Scale Detector,Double-M2Det）的高精度绝缘子缺陷检测算法。首先,采用数据增强技术对图像数据进行扩充,利用M2Det模型进行绝缘子定位。再对定位后的绝缘子图像进行裁剪分块处理。然后,再次利用M2Det模型对绝缘子缺陷进行检测。测试结果表明,本文提出的基于Double-M2Det的高精度绝缘子缺陷检测算法可以在各种背景下高精度地检测到不同材质绝缘子的缺陷,还大大提高了绝缘子缺陷检测算法的准确度和鲁棒性。基于Double-M2Det的高精度绝缘子缺陷检测算法主要从检测准确率和精度方面对算法进行了优化。虽然获得了很好的精度性能,但精度性能的提升往往是有代价的,基于Double-M2Det的高精度绝缘子缺陷检测算法存在检测流程繁琐,从而导致检测速度低的问题,针对该问题,本文从检测流程和检测速度方面进行优化,提出了一种基于改进金字塔场景解析网络（Improved Pyramid Scene Parsing Network,IPSPNet）和单阶段实时检测模型（Single Shot Multibox Detector,SSD）的快速绝缘子缺陷检测算法。首先对PSPNet网络进行损失函数和训练阶段的优化生成适用于绝缘子分割的IPSPNet模型对航拍图像中的绝缘子进行背景剔除。然后,利用SSD直接对剔除背景后的绝缘子图像进行绝缘子缺陷检测。测试结果表明,基于IPSPNet-SSD的快速绝缘子缺陷检测算法在保证精度的同时大大简化了检测流程,提升了检测速度。基于Double-M2Det和基于IPSPNet-SSD的绝缘子缺陷检测算法分别从检测精度和检测速度两方面对算法进行了优化,实现了高精度快速缺陷检测的特性。然而,所提算法的高计算资源和模型复杂度超出了移动和嵌入式设备的能力,针对这一问题,本文从轻量化角度考虑对算法进行改进,提出了一种基于轻量化模型的绝缘子缺陷检测算法。首先利用轻量化模型移动网络（Mobile Networks,Mobile Net）对IPSPNet进行改进,利用焦点损失对IPSPNet损失函数进行优化生成轻量化绝缘子分割模型进行绝缘子分割。然后,利用轻量化模型Mobile Netv2和深度可分离卷积对基于回归的目标检测模型进行轻量化处理生成轻量化绝缘子缺陷检测模型。最后,将两种轻量化模型结合进行绝缘子缺陷检测。测试结果表明,基于轻量化模型的绝缘子缺陷检测算法在保证精度和速度的双重条件下显著减少了模型参数量,从而降低了模型复杂度。本文从检测准确性、检测速度和模型复杂度三方面进行优化,分别提出了基于Double-M2Det模型、基于IPSPNet-SSD模型和基于轻量化模型的绝缘子缺陷检测算法。测试结果显示,本文提出的三种算法提高了缺陷检测精度,加快了训练和检测速度,降低了模型复杂度,同时实现了缺陷检测算法轻量化。