电力是一种既清洁又环保的可再生资源,与我们的工业生产,日常生活都息息相关,同时也是降低大气污染,提高能源利用率的主要方式。在特高压输电线路中广泛应用的复合绝缘子是保证电能资源安全稳定传送的重要环节。本文针对复合绝缘子的缺陷检测展开研究。本文采用的数据是无人机拍摄的输电线路杆塔图片。为了能够准确的定位其中包含复合绝缘子的图像和复合绝缘子的位置,本文先使用改进的Faster-RCNN模型,提取出在整幅图片中只占据小部分的输电线路复合绝缘子图像。针对复合绝缘子的特点,结合实际的应用场景,通过改变预测框,改进损失函数和评测标准等方式,提高了复合绝缘子的检测效果。对于改进Faster-RCNN模型检测出的复合绝缘子图像,通过各种图像处理,结合无人机拍摄时实际外部情况,进行数据增强,一定程度上改善了数据不平衡情况,提高了数据集的完备性,并且做成了复合绝缘子数据集,将这些数据进行公开,供以后的研究者使用。复合绝缘子缺陷主要是边缘变形,这一缺陷可能会导致复合绝缘子的伞裙产生裂痕或者残缺,导致复合绝缘子上的电压分布不均衡,同时变形部分更容易产生污秽堆积的问题,使得绝缘性能下降,产生污闪。因此关注复合绝缘子边缘的状况能够有效判断复合绝缘子的状态,对于复合绝缘子缺陷检测起到关键作用。本文中设计的边缘监督的分类网络添加入边缘检测模块,通过边缘检测器生成的图像边缘检测图监督特征图反卷积出的边缘检测图,让整个特征提取网络能够更好的学习到图像的边缘特征。这些融合了更多图像边缘信息的特征用于后续的图像分类得到了更好的效果。通过目标检测与图像分类这两阶段的操作,成功将原始图像中的复合绝缘子划分为正常或缺陷类别,实现了复合绝缘子的缺陷检测。