随着我国国民经济的高速健康发展,现代社会对电力供应的安全可靠性要求越来越高,对输电线路的巡检成为电网人员的重要工作。我国对输电线路的巡检方式由原来的人工巡检,再到后来的直升机巡检,再到近几年通过无人机拍摄,人眼进行缺陷判断的巡检方式,但是这些巡检方式存在效率低、检测精度低、成本高等缺点。在云计算和深度学习时代发展下,本文提出了基于云计算的输电线路缺陷检测平台。采用无人机对输电线路进行拍照,然后使用本平台对图片进行缺陷检测。相对于上述巡检方式,这种巡检方式成本低、效率高、操作简单、可移植性强。论文的主要工作包括:1)在云计算、深度学习、B/S架构、SSM框架、My SQL数据库技术上,对平台进行整体分析包括可行性分析和需求分析,并对平台的体系结构功能结构进行整体设计,对系统功能模块、数据库、云计算部署进行详细的设计。2)基于对输电线路缺陷检测的需求分析,采用基于Yolov5s的改进网络DenseYolov5实现对输电线路缺陷的检测,经过实验对比分析改进后的网络提升了对输电线路不同缺陷的检测精度,并结合实际检测效果图对检测结果进行说明。3)基于对检测平台的需求分析和设计,对各个功能模块的实现结合实际效果图进行了详细阐述。功能模块包含用户管理、图片检测、检测结果、历史纪录、生成报表、检测结果分析与可视化展示。并分别给出了测试的相关原则以及具体实现的方法,对系统的功能性和非功能性进行测试。根据测试的结果可以看出本文所设计的基于云计算的输电线路缺陷检测平台功能完备,并且具备较好的性能、安全性、兼容性、稳定性,能够满足对输电线路缺陷检测的实际需求。