绝缘子是电力系统用量最大的重要部件之一,在长期热、电和机械应力等作用下易出现破损、老化和憎水性降低等现象,在污湿情况下产生放电,威胁电力系统的安全稳定运行。紫外成像法具有高探测灵敏度等优点,被广泛应用于放电检测。现阶段,紫外成像法主要将紫外图片或紫外视频的光斑面积序列作为研究对象,放电的严重程度评估量化参数为光子数或光斑面积,较为单一。在工程应用中需人工干预,智能化水平不高。基于此,本文主要研究了放电日盲紫外发射光谱及其影响因素,从绝缘子放电视频的量化参数定义、提取、处理和诊断等方面出发,提出了无人机载荷紫外成像仪的自动巡检方案,提出了绝缘子放电紫外视频的时空量化参数特性及其智能诊断方法。主要内容如下:试验分析了空气放电日盲紫外波段光谱谱系,研究了环境因素对光谱特性的影响。基于针板放电日盲紫外发射光谱研究平台,得到了多因素影响下的日盲紫外光谱特性,研究了空气中放电发光机理和日盲紫外发射光谱谱系,试验研究了温湿度和气压对放电日盲紫外波段发射光谱特性的影响。提出了绝缘子放电视频时空量化参数计算方法,研究了视频时长等因素的影响。基于数字图像处理算法逐帧处理了紫外放电视频,提取了放电时间特性;基于放电轮廓提取和拟合算法,获得了放电位置特征,形成了紫外视频的时空张量。加权平均时空张量的光斑数量和帧数维度获得时空矩阵,经均一化、伪彩色处理及图像配准后与可见光图像叠加,得到了时空量化参数,并分析了图像处理参数、视频持续时间和紫外增益等因素的影响。基于紫外成像法研究了污湿复合绝缘子放电图谱特性,研究了基于强电解质水溶液理论和简化模型的绝缘子表面水珠放电特性。分析了污秽程度与不同润湿水平下的污秽水溶液电导率之间的关系,搭建了绝缘子湿污放电试验平台,采用紫外成像法试验研究了污液体积、电导率和位置对放电的影响;基于强电解质水溶液理论和简化模型,仿真研究了模型起晕电压、放电位置和电场强度理论分析了不同污秽水溶液的相对介电常数。基于此,建立了紫外视频数据库并进行了放电时空特性分析。基于可见光通道图像和深度学习的绝缘子识别方法和系统优化策略,提出了无人机载紫外成像仪的专家系统全自动巡检方案。搭建了基于YOLO（You Only Look Once）算法 的深度 学习硬件和软件平台,构建 了紫外 成像仪可见光通道的 绝缘子图像训练数据库,研究了基于交并比、数据增强算法和自建数据库标签数据聚类算法对绝缘子的图像识别准确度的影响,基于此提出了基于无人机载紫外成像仪专家诊断系统的输电线路绝缘子全自动巡检方案。基于紫外视频时空量化参数和时空CNN（Convolutional Neural Networks）系统,提出了绝缘子放电严重程度诊断方法;在时空量化参数和绝缘子放电位置的基础上实现了绝缘状态危险系数评估。完成了紫外图像和视频的预处理、数据库构建和标注,考虑了放电的频率和位置因素,提出了基于深度学习的紫外视频的诊断流程,系统优化和评价指标;研究对比了紫外视频统计量化参数和时空量化参数的影响因素并提出了优化方法;完成了基于浏览器/服务器模式的综合诊断系统开发,并进行了应用。