输电在电力系统中起着中流砥柱的作用,是电网系统必不可少的部分,但是一般输电环节都处在野外环境,导致输电线路在运行中会受到多种因素影响。鸟害是威胁输电线路安全运行的三大主要危害之一,会造成闪络、短路、跳闸等问题,目前电力系已经采取一些防治鸟害的措施:人工巡检、防鸟刺、驱动风车、超声波等,人力物力耗费巨大,但是防治效果不明显,亟需一种准确、高效、实时的驱鸟技术。本文提出了一种采用人工智能的方法检测鸟类,根据检测结果进行超声波驱鸟,来保证输电线路的安全、稳定工作。本文采用YOLO(You Only Look Once)算法进行鸟类目标检测。YOLO算法是一种端到端的一步目标检测算法,对图像中的小目标的检测效果不好,然而,本文的任务中大多需要检测的鸟类在图像中的占比较少,都属于小目标的范畴,因此本文采用YOLO模型,利用多尺度的预测和增加残差模块结构的方式进行目标检测。残差网络可以减少因网络层数的增多造成模型准确度退化的问题,所以增加残差模块来增强特征的提取能力。本文通过摄像头采集样本图片,对数据进行扩充,利用标注工具制作数据集,搭建网络模型,利用迁移学习的思想进行模型的训练。通过实验结果,本文提出的基于卷积神经网络的鸟类检测方法可达到实时、高效、准确地进行鸟害防治的目的。