严重覆冰会引起线路舞动、绝缘子闪络、杆塔倾斜甚至坍塌等事故灾害,威胁输电线路系统安全运行时,可能会对生产生活造成巨大冲击。据此,基于覆冰厚度检测准确获得厚度信息,并结合其它算法获得覆冰类别信息,为电力人员判断覆冰状态提供可靠依据,保障电力系统安全运行。目前,覆冰厚度检测及类别研究大多依赖人工巡检或传感器装置,受环境因素影响较大且损耗率高。根据调研,我国南方电网与国家电网管辖地区均设置了覆冰监测系统,以监测系统获得的覆冰图像为研究对象,针对传统图像处理算法泛化能力及鲁棒性欠佳等问题,本文提出基于深度学习实现覆冰分割与分类,在分割基础上实现覆冰等效厚度计算并完成软件功能开发,对实现电网智能化具有重要意义。本文围绕覆冰厚度检测与分类研究目标,分别提出了覆冰分割网络模型与分类网络模型,并提出了在分割基础上的覆冰等效厚度计算方案。首先收集原始覆冰图像,对其进行预处理操作后搭建覆冰图像数据集。针对覆冰分割模型,基于U-Net编码解码结构,从主干网络选取、卷积结构轻量化、注意力机制、迁移学习及辅助损失等方面进行改进,提出覆冰分割网络S＿UNet。通过实验分析,S＿UNet误检、漏检现象仍有待改进;将生成对抗网络（Generative Adversarial Networks,GAN）与S＿UNet融合提出覆冰分割优化网络SGAN＿UNet,利用真实标签图对覆冰图像分割结果进行比对校正,提升了覆冰分割结果精细程度。针对覆冰分类,基于Efficient Net B3网络,结合数据增强及标签平滑技术搭建输电线路覆冰分类网络,完成对雨凇、混合淞、雾凇、裸线路与无线路五种类别的分类。针对覆冰等效厚度计算,以同一角度拍摄的覆冰前后分割图像为研究对象,建立了覆冰厚度计算模型,考虑覆冰图像或存在透视畸变,提出基于逆透视变换（Inverse Perspective Mapping,IPM）对畸变进行校正,并从原理及分割误差角度对覆冰厚度计算进行了实验验证。最后开发了具有覆冰厚度检测与分类功能的软件系统。