近年来,随着电力系统自动化和智能电网的不断发展,计算机视觉技术也逐渐被应用于关键电力设备的在线监测和智能巡检中。绝缘子作为电力输电线路中不可缺少的绝缘元件,它的运行状况直接影响电网的可靠性和安全性。同时绝缘子在输电线路中起到电气绝缘及支撑的作用;而且它表面的污秽、裂纹、老化等问题严重威胁输电线路的安全运行。根据统计,目前电力系统故障中所占比例最高的事故是由绝缘子缺陷引起的。因此对绝缘子的状况进行监测,及时完成故障诊断尤为重要。通过对巡检机器人或者无人机采集的图像进行分析和处理,快速准确的检测出复杂背景图像中的绝缘子成为当前的研究热点。所以,本文结合江苏省电力试验研究院科技指南项目的需求,针对变电站绝缘子的识别和定位,进行了以下几个方面的研究:(1)为了实现对绝缘子的准确识别和定位,采用基于共享卷积神经网络的方法。首先利用区域建议网络对绝缘子图像进行特征提取与抽象,在最后一层卷积层特征上,采用不同尺度不同长宽比的锚点机制,得到一系列候选区域,然后将候选区域送入绝缘子检测子网络Fast R-CNN,实现对绝缘子的识别和定位。在整个过程中,两个网络通过共享其中的卷积层特征,减少绝缘子检测时花费多余时间重复计算,同时也减小网络的计算量。通过在绝缘子数据集上进行实验,该方法可以检测到图像中大部分的绝缘子,但是当绝缘子在图像中所占比例较小时,存在漏检的问题。(2)为了解决较小绝缘子的漏检问题,提出了基于跨连接卷积神经网络的绝缘子检测方法。该方法利用卷积神经网络高层特征体现更强的语义信息利于目标识别;低层的特征由于分辨率高利于目标定位的特性。通过在区域建议网络中将网络后三层的卷积层分别和全连接层连接,使得这三层的卷积特征同时送入分类层和回归层,从而得到一系列高质量的绝缘子候选区域;将得到的候选区域映射到增加了反卷积层的绝缘子检测子网络,将得到的ROI特征送入级联的Adaboost分类器,实现对绝缘子的检测。我们通过对网络中不同的层与全连接层进行跨连接得到的选区域质量进行评估,以及对不同算法的绝缘子检测能力进行对比实验。实验结果显示该方法能够准确检测出图像中的绝缘子。(3)为了实现绝缘子的显著性检测及自爆识别问题,提出了一种基于多尺度重构误差融合的绝缘子显著性检测方法。通过考虑绝缘子从形态上的一致性和与图像背景差异较大的特点,分别提取图像的稀疏重构误差和稠密重构误差特征,并且利用简单线性迭代算法对绝缘子图像进行多尺度超像素分割,同时为了平滑各个图像块之间的显著性,加入基于上下文信息的重构误差传播机制,使重构误差在每个相同类内的图像块之间传递,最后采用条件随机场框架将两个重构误差进行融合。针对现有绝缘子数据集的多种对比实验表明,该方法能够有效提高绝缘子显著性检测的精度,清晰而准确地提取出图像中的绝缘子显著性区域。本文针对绝缘子的检测,分别从目标检测和显著性检测两个方面进行了研究。针对每个具体问题,设计了相应的网络结构,同时也提出了具体且有效的解决方法。通过实验发现,本文的方法可以取代人工分析,降低因巡检工作人员经验判的风险和误差,促使电力系统更加智能化,为后续绝缘子的故障检测奠定了良好的基础。