随着城乡建设速度的加快,架空输电线路所处的地理环境发生了很大的变化,原本偏僻的旷野和农田现在变成了居民区和开发区,人类活动的增多使输电线路面临的风险也逐渐增多。绝缘子作为输电环节中的重要设备,在支撑固定导线,保障绝缘距离的方面有着重要作用。而由于绝缘子在输电线路中数量众多、分布广泛,长期暴露在空气中,受恶劣自然环境的影响,十分容易发生故障。近年来随着无人机技术的快速发展,采取无人机对线路进行智能化巡视,能够大幅度减少巡检的时间,提升巡检效率,因此,基于无人机的智能巡检技术研究成为了近年来的热点。本文针对无人机的智能电力巡检做了路径规划与绝缘子检测两方面的研究,对路径规划方面是利用改进的群智能算法对无人机的飞行线路进行仿真实验,寻找到一条安全又高效的路径;对架空输电线的绝缘子及其缺陷的识别与定位是利用深度学习技术,基于改进的YOLOv5算法,对收集的绝缘子数据集进行训练,实现对绝缘子的精准识别,提升无人机巡检的效率,具有良好的工程应用前景。论文的主要工作如下:（1）先使用传统蝙蝠算法在所建地环境模型上进行多次路径规划,之后提出将遗传算法的交换、变异机制应用在蝙蝠算法上,并使用改进后的蝙蝠算法在环境模型上进行路径规划,证明改进后的蝙蝠算法在最优路径长度与平均路径长度方面相比于传统蝙蝠算法都有了一定的改进。（2）介绍了有关深度学习的背景,介绍了目前主流的one-stage与two-stage系列算法,从检测速度与精度两方面综合考虑,选择了YOLOv5神经网络算法作为本文使用算法,可实现速度与精度并优。（3）介绍了YOLOv5神经网络算法的原理与各模块作用,并对其所存在的问题进行改进,在Neck结构、损失函数与注意力机制方面进行升级。对传统YOLOv5神经网络算法与改进后的YOLOv5神经网络算法分别进行实验,并在检测速度、准确率、召回率与精度方面进行对比,结果表明,改进后的YOLOv5神经网络算法整体表现更优,有着比较良好的工程应用前景。