随着特高压大规模建设以及“九交九直”计划提出,我国电力行业已逐渐迈进世界前沿,然而这又给电力系统安全维护提出更高挑战,目前电力线路巡检大多数依靠传统人工方法,其劳动量不仅繁重而且效率低下、并受地理位置制约。近年来,无人机巡线技术一直是电网关注热点,将其运用到电力巡检中也是智能电网大势所趋。因此,本文在该问题研究基础上提出一种无人机自主巡线跟踪方法,同时在巡线过程中提出一种基于深度学习的绝缘子检测方法,自动识别出航拍图像中绝缘子并对其定位。为解决航拍图像中电力线背景复杂多变、光照分布不均等影响,文中首先对航拍图像进行预处理,并选择同态滤波增强电力线图像质量提高可辨识度,接着依次采用维纳、均值、中值三种滤波方法对航拍电力线图像降噪。经验证知,中值滤波信噪比最高、均方误差最低去噪性能最好可优先选取。最后对航拍电力线进行最小误差阈值分割并在此基础上选用定位精度较高Canny算子完成边缘检测,同时依靠数学形态学方法将边缘检测图中小面积干扰噪声剔除。实验结果证明,经前期预处理后电力线轮廓信息拥有较好辨识效果。为解决传统Hough变换法、Radon变换法直线提取耗时长、需不断更新待检测电力线阈值、无法定位端点等问题,文中选用一种亚像素级线性时间直线提取算法LSD。该算法首先生成直线支撑域并在此基础上进行矩形拟合,最后依据矩形域内对齐点概率值对直线验证。测试结果表明,本文所采用的LSD算法能精确定位出电力线端点位置、所提取电力线完整性较好、无需过多对参数调节且巡线实时性较强。紧接着为实现无人机自主巡线,文中借用Kalman滤波思想对LSD提取电力的线斜率变化范围进行预测,建立ROI区域并在该区域内完成电力线提取缩短整体检测时间,最后在文中给出Kalman滤波跟踪仿真结果,验证了该方法可行性。为解决传统算法中航拍绝缘子特征提取较差依赖图像分割、检测不具有普适性等缺陷,文中提出一种基于Faster R-CNN绝缘子识别定位方法。算法中依次选择ZFNet、VGG16网络模型提取航拍绝缘子特征,同时可视化Faster R-CNN训练过程中ZFNet与VGG16模型Loss曲线图,验证了两种模型可行性。最后对两种模型学习能力测试验证,测试结果表明,ZFNet模型平均精确率是0.75,VGG16模型平均精确率是0.89,二者在复杂环境中都能对航拍绝缘子识别定位,综合比较知VGG16识别效果略优于ZFNet。同时文中对VGG16模型运动模糊与不同光照下绝缘子图像进行测试,测试结果证明VGG16模型在整体上拥有较好鲁棒性,本文所提出绝缘子识别定位方法具有一定普适性和实用价值。此论文有图74幅,表5个,参考文献72篇。