绝缘子所处的环境复杂多变,再加上长时间强电场和机械负荷的影响以及绝缘子本身质量、结构的制约、飞禽的啄食,很容易发生伞裙破损事故。如果这些破损不被及时发现,将会发展成为更严重的破坏,造成严重的电网事故。随着无人机水平的日益发展,依靠图像的方法对绝缘子破损进行智能化识别有着极其重要的意义。本文主要针对架空输电线路复合绝缘子串伞裙破损进行图像识别,围绕该课题,本文开展了以下几个方面的研究。首先,对绝缘子图像处理方法进行研究。通过对三种去噪方法进行实验对比,择优选择效果好的滤波方法。针对传统的最大类间方差法的分割结果进行基于形态学法的修复,提高绝缘子图像分割的效果。其次,对绝缘子伞裙外轮廓破损图像进行识别。采用基于灰度的绝缘子均压环匹配法进行先验性判断,获取图像中绝缘子串的个数。给出绝缘子伞裙外轮廓图像的特征值,依据分类决策的方法对绝缘子外轮廓进行提取。采用基于峰谷对称性去识别绝缘子外轮廓破损,针对在役绝缘子,采用扫描法获取其波形图,对比波形图进行伞裙破损判别。最后,对绝缘子伞裙内部裂纹进行识别。结合裂纹的特征给出了裂纹的五类特征值。将绝缘子裂纹种类分为了横裂纹、竖裂纹、网状裂纹、块状裂纹以及无裂纹五种。基于BP神经网络对裂纹种类进行识别,比较了不同BP神经网络改进算法的性能,选择采用收敛精度高、收敛速度快的变学习率算法。通过绝缘子裂纹种类识别实验,验证了基于变学习率法的BP模型识别的准确性。