输电线路图像中包含复杂的前景与背景信息,单一的检测不能定位出各目标的精确位置信息,而单独的分割不能对各目标的类进行识别,所以,对输电线路图像进行同时分割与检测,在获得更为精确的位置信息和类别判断的基础上,再对输电线路的状态进行监测以及故障诊断是具有重大意义的。本文主要以输电线路图像中的导线、绝缘子、金具及杆塔为研究对象,做了如下工作:考虑到公共数据集的标签不能适用于输电线路图像上,借鉴VOC数据集的标签文件,构建输电线路图像分割与检测数据集,以此数据集为支撑,对FCIS模型进行复现。考虑到输电线路视觉范围内绝缘子、导线及细小金具的固有特征,对FCIS模型中的RPN网络进行微调,改变RPN网络中anchor的长宽比及尺度的大小,以改善输电线路图像中绝缘子、导线及细小金具等定位不准确的问题。考虑到FCIS模型中输入图像的ROI与特征图中的ROI对应位置的不匹配问题,用双线性插值法替换最邻近插值法,以减少由位置不匹配所带来的特征信息损失问题。考虑到输电线路图像中细小金具的特征信息难以提取的问题,引用ROI Align中的梯度回传算法,以提升模型对细小金具的分割与检测精度。以所构建的输电线路分割与检测数据集为基础,对FCIS模型进行复现后,mAP(Mean Average Precision)值为0.504,改变RPN网络中anchor的长宽比及尺度大小后,mAP值提升至0.513,引用ROI Align算法后,mAP值进一步提升至0.5292。