架空线路覆冰是危害电力系统安全运行的重要因素之一,已推广应用的覆冰图像监测技术迫切需要强泛化能力的图像分析,以提高数据分析的准确率、效率和辅助决策应用。本文基于南方电网架空线路覆冰预警系统2014年至2018年覆冰图像监测数据,提出图像数据清洗和人工标注规则及图像数据集架构,并基于JAVA框架开发了架空线路覆冰监测分类标注软件。对223045张在线监测图像进行数据清洗和人工分类标注,提出了基于专家经验的人工分类标注质量评估方法。在人工分类标注完成后挑选其中一部分导线图像进行导线分割人工标注,建立了南方电网输电线路覆冰图像数据集,最后对2014年至2018年的人工分类标注图像进行了统计和分析。其次,本文提出一种基于Mask R-CNN的输电线路覆冰导线图像识别与分割方法,并使用2017年的552张覆冰监测图像对该网络进行训练,使用2014年到2018年的13642张图像进行测试。结果表明,其识别与分割的正确率达到92%以上,相较于U-Net神经网络高出10%,且训练时间比U-Net缩短约90%。最后,将上述神经网络模型的输出结果进行预处理和凸包分析,对覆冰导线掩膜进行最小外接矩形拟合,计算同终端有冰和无冰导线的像素直径并做差来表征导线覆冰程度。将计算结果的变化趋势通过图像UUID和数据采集时间获得相近时间的力学分析覆冰厚度值并进行比对,结果表明,图像分析得出的覆冰程度变化趋势与力学分析法基本一致,其相关系数能达到0.9左右,可以认为图像法得出的折算冰厚与力学分析法所得导线覆冰厚度具有一定的相关性。并且在验证过程中发现在某些终端中,图像分析法所得的覆冰程度准确性优于力学分析法。最后提出了本方法的适用范围及其局限性。