随着我国经济的发展,对电力设备的需求越来越大。由于输电线路分布广泛,巡检的范围较大,分布地形复杂,使得无人机在巡检输电路中逐渐得到普及。目前,针对无人机航拍图像的处理和识别方法已经有了初步的发展,但对关键部件的缺陷检测主要靠人工完成,无法适应大量的数据处理工作。本文的主要工作是定位航拍图像中的绝缘子部件,并智能检测其是否存在异常,节省人工检测的时间成本。无人机拍摄图像受到光线亮度、拍摄角度、飞机悬停的稳定性等多种外部环境因素的影响,使得图片背景非常复杂,同时,图片中的大部分背景为绿色树木,与玻璃绝缘子的颜色极为相近,不利于区分。本文为解决此种背景下的绝缘子缺陷检测问题,提出了一种自适应的绝缘子自爆缺陷检测方法。该方法利用了塔架的3D模型对绝缘子定位,比常用的图像处理方法增加了一维信息,在绝缘子所占图片面积非常少的情况下也可以达到准确定位,同时,节省了预处理的时间消耗。在自爆缺陷检测时,首先对绝缘子图片进行前景背景的分离,使图片中只剩下绝缘子,再进行转正、去噪等预处理,减小缺陷检测的干扰,然后将绝缘子自身的绝缘子片作为模板,向下滑动检测每片绝缘子与模板的匹配程度,将异常部分显示出来并认定其为自爆绝缘子片的位置。为了验证本实验的可行性,本文采用了塔架的3D模型与塔架在复杂背景下的图片进行配准,对多幅含有自爆缺陷的绝缘子进行检测。测试结果表明,该方法能很好的配准塔架的3D模型和无人机拍摄的全景图中的塔架,定位绝缘子在测试图中的位置,并检测出含有缺陷的绝缘子的自爆位置,具有较高的正确率和鲁棒性。