架空输电线路主要位于郊外、偏僻山区,威胁输电线路安全的隐患主要有超高作业车、线下施工、异物搭挂导线等。目前常用的巡线方式有人工、无人机、在线视频监控等。人工巡线耗费大量人力且效率低下;无人机飞行距离有限,难以在偏远地区推广;在线视频监控耗费大量传输流量且电池损耗较大。目前,国网山东省电力公司已进行了输电线路杆塔可视化监拍装置的推广应用,与传统视频拍摄方式不同,监拍装置每间隔固定时间拍摄图片并传回服务器,然后由工作人员查看图片确定有无隐患。济南供电公司现已安装此装置5000余台,每天现场传回相片8万余张,输电通道巡检的次数和频度明显增高,隐患发现及时率提高近5倍,部分偏远地区提高10倍,现存在的主要问题是尚未有较为精确的图像识别隐患自检测系统,观察评判主要由人工完成。在安装的拍照设备数量上万后,工作人员每天需要观察近十万张图片,工作量巨大,耗费了大量的人力物力。为解决上述问题,研究一种监拍装置图像自动识别隐患系统显得尤为重要,该系统的核心问题是输电通道相片的智能识别。首先,监拍装置所拍摄的输电通道相片受天气环境影响较大,特别是在山区、丘陵地带以及冬季雾霾天气频发的情况下,大气中的雾霾颗粒会影响光线的传播,所拍摄相片中的目标物不清晰、边缘细节模糊,造成识别漏报现象较为突出,因此在识别前有必要减少雾霾对图像识别的影响,本文先提出一种基于双区域滤波和多尺度Retinex算法(MSR)图像融合的图像去雾的新算法,该算法可有效去雾,并较好的保持了图像细节信息,为图像智能识别打下坚实基础;其次,本文比较了目前常见的4种图像识别模型,通过对比发现Faster R-CNN模型对光照、天气变化等的鲁棒性干扰去除较好,更适应输电通道的隐患识别,由此提出基于Faster R-CNN模型的输电线路外破隐患智能识别,并将其与去雾算法结合,较好实现了输电通道隐患检测;在完成图像去雾和图像智能识别的基础上,为提高输电线路隐患发现率和降低人工量,提出一种基于人工巡视、图像监拍装置监测和后台自动识别预警相结合的输电线路防外破模式,具有可靠性高,误报率低的特点。