计算机的高速发展,促使人工智能化越来越普遍。出现了住宅智能化、医院智能化、工业智能化、农业智能化等现象,而电力行业也不例外,架空输电线路的规模在逐渐扩大。杆塔和电力线路长期暴露在野外,易受到自然界的侵蚀及人为的破坏,出现线路老化、绝缘子破损、防震锤松动等一系列问题,如果不加整修,将对整个电力系统带来不可估量的损失。传统的人工电路巡检不仅工作量大、效率低下而且工作环境艰苦,通常维修人员要穿过山川、河流等复杂地势,更重要的是,人工电力巡线会影响线路的日常运维。而无人机在遇到滑坡、地震、雨雪等自然灾害天气时可以正常带电巡检,并且效率高。到目前为止,市场上还没有出现真正的全自动无人机电力巡检系统,针对这一问题,本文对输电杆塔、绝缘子和输电线这三种典型电力目标的识别与跟踪进行了深入研究,为下一步的无人机自动巡检电力设施缺陷做准备。针对输电杆塔的识别与跟踪问题,研究了输电杆塔的识别与跟踪算法。主要对电力铁塔、钢管杆塔和钢筋混凝土杆塔这三种材质的输电杆塔进行识别与跟踪,根据铁塔循环的交叉结构、钢管杆塔和钢筋混凝土杆塔的线状特征,分别提取图像中显著像素点的ORB特征、对局部形变和光照影响有良好稳定性的HOG特征和对光照变化等造成的图像灰度变化具有较强鲁棒性的LBP特征,训练多种分类器模型,通过测试集检测发现,提取电塔的HLORB(ORB、HOG和LBP的融合特征)特征,训练集成学习中的XGBoost分类器准确率最高,达到96.69%,采用选择性搜索算法搜索输电杆塔,检测一张图片仅需42ms。在输电杆塔识别的基础上,采用KCF算法跟踪输电杆塔,达到33帧/s。针对绝缘子的识别问题,提出深度学习的算法检测绝缘子,即采用基于YOLOv3的改进算法检测绝缘子,选用MobileNetv1为特征提取网络,识别准确率达到96%,检测速率为34帧/s,实现了绝缘子的实时识别。针对输电线的识别与跟踪的问题,提出基于LSD提取电力线的算法。航拍图由于无人机在飞行中的抖动导致图像模糊,通过各种滤波算法的比较,采用保留图像边缘的双边滤波算法滤除图像的噪声,Sobel算子提取图像边缘,相比于霍夫变换,LSD算法检测直线线段断裂少、速度快并且具有稳定性,选用LSD算法提取图像直线,将已提取的直线进行主方向提取,然后根据直线的长度进行线段筛选,最后利用最小二乘法拟合电力线,能够识别92%的电力线,利用无损卡尔曼滤波进行电力线跟踪,速率达到32帧/s,实现了对视频序列图像的跟踪。同时,还实现了日盲紫外双通道检测系统的紫外通道图像与可见光通道图像的融合,为下一步实际电力巡检中利用紫外通道检测电力设施电晕放电的强度,可见光通道定位缺陷位置做准备。