随着国民经济和工业水平的发展,我国的用电需求量与日俱增,确保输电线路的稳定运转是巡检人员始终面临的关键难题。绝缘子是架空线路上的核心器件,在输电线路上起到固定和加强线路绝缘的作用。但由于绝缘子长期裸露在外界环境中,易发生掉串故障,从而致使出现大面积停电现象,所以绝缘子的故障检测至关重要的。近年来,无人机技术以其快速高效、操作简单等特点备受青睐,已广泛应用于电网巡检。然而,在无人机图像处理的过程中,传统的处理方法检测精度低,易出现漏检和误判等现象,难以满足当前电力巡检的检测要求。而随着深度学习的迅猛发展,为电力巡检的图像处理提供了一种新的技术手段。鉴于此,本文以输电线路上的绝缘子作为检测对象,构建VOC2007格式的绝缘子检测数据集。采用改进的Faster RCNN算法,对输电线路绝缘子和绝缘子掉串缺陷进行检测,致力于提高绝缘子缺陷的检测精度和速度。主要内容如下:（1）本文通过网络开源数据库和网络爬虫算法获取绝缘子图像数据。针对绝缘子数据不充分的问题,通过旋转、平移、翻转方法扩充数据集,使用Labelimg软件进行标注,构建VOC2007格式的绝缘子数据集。（2）针对Faster RCNN特征提取网络在检测绝缘子掉串缺陷中存在精度低、速度慢的问题,本文采用多通道的可分离卷积特征提取网络（MDSCRE）获取绝缘子图像特征,以此降低模型参数、提高模型检测准确性和快速性。与以Res Net50为特征提取网络的Faster RCNN算法模型相比较,结果表明,本文采用的以MDSCRE为特征提取网络Faster RCNN的绝缘子掉串缺陷检测的平均精度提高了3.22%,网络复杂度降低了25.9%。（3）针对Faster RCNN的区域建议网络（Region Proposal Networks,RPN）在绝缘子掉串缺陷检测中存在候选框尺寸不匹配和候选框预测不准导致的漏检的问题,本文设计自适应阈值的Softer-NMS算法和K-means++算法对区域建议网络进行优化。与传统的区域建议网络相比,优化后的区域提取网络检测精度提升了4.16%,检测速度提升了1.37f/s。综上所述,针对绝缘子掉串缺陷检测问题,本文提出的改进Faster RCNN算法模型以MDSCRE为特征提取网络,使用优化后的RPN为区域建议网络,得到最终的改进Faster RCNN算法的平均精度达到89.52%,检测速度达到了30.24f/s。与传统的Faster RCNN算法相比,改进的算法平均检测精度提升了9.18%;相比于YOLO v3和SSD算法模型分别提高了11.65%和21.88%。由对比结果可知,本文提出的算法具有较好的检测效果,证明了本文针对绝缘子掉串缺陷检测算法改进策略的有效性和可行性。