近年来,随着我国电网建设的迅速发展,输电线路规模增大,设备量也相应的增多,给电网的安全运行带来了新的挑战,急需新型、高效以及智能的管理手段。传统的电力巡检业务依靠人工巡视,需要攀爬杆塔,翻山越岭,存在作业难度大,风险高,效率低等诸多问题。近年来,无人机技术和图像识别技术取得长足发展,给电力线路巡检带来了新的工具和思路,依靠无人机和图像识别技术可以大大提高巡检效率,也是目前一个热门的研究方向。深度学习目前在语音,图像,文字等领域有较为广泛的使用,并且在工业应用中取得了巨大效益。作者将深度学习技术引入到了巡检视频图像的理解中,以帮助人们发现问题和提高效率。作者选取了基于“分类”和“回归”的两种不同的深度学习图像识别框架,利用它们去识别电力巡检视频中的输电塔、树、绝缘子、鸟窝等物体。作者准备了这四种物体的图片作为原始数据去训练模型,最终观察和比较这两种模型的表现差异。作者在有限的训练样本中已经取得了较为满意的识别正确率,证实了深度学习用于巡检图像识别的可行性。作者给出了不同需求场景下框架选用的原则,在速度优先的情况下选择“YOLO”,在更关心准确率的场景下选择“Faster R-CNN”。