绝缘子在输电线路中起着电气绝缘及线路支撑的关键作用,一旦绝缘子出现缺陷会引起整条输电线路发生故障,甚至导致大面积停电。因此,及时检测绝缘子运行状态对于输电线路稳定运行尤为重要。传统的人工观察检测法易受地域限制、超声波检测法存在应用距离较短的不足,随着图像处理技术的成熟、“智能电网”的提出以及无人机行业的快速发展,无人机航拍检测法弥补了传统方法的不足并逐渐成为主流的检测方法。利用航拍图像检测绝缘子状态首先要从图像中识别出绝缘子,本文详细研究了绝缘子的识别方法,并在识别基础上设计了针对不同光谱的两种常见缺陷的检测及分类方法。论文首先基于图像的Hu不变矩和HOG特征,运用SVM分类器对绝缘子进行识别。实验结果表明,该方法在图像背景单一的情况下具有较高的准确率,但在背景复杂的情况下准确率会大幅降低,而无人机航拍图像通常带有复杂背景,因此该方法适用性不强。已有的红蓝色差灰度化及聚类分割方法可以对图像背景复杂的绝缘子进行分割识别,但存在分割结果中背景过多,以及对复合绝缘子图像灰度化时效果不理想的情况。因此,本文提出了使用Otsu算法对图像进行预处理,然后对预处理结果分别进行红蓝、红绿色差灰度化,接着采用K-means聚类方法对灰度图分割,最后基于绝缘子空域中形态的一致性利用投影特征来识别绝缘子。实验结果表明,改进方法能对输电线路绝缘子图像更有效地进行分割识别。在识别绝缘子的基础上,提出了基于改进UL-PCNN和区域像素比例的方法实现对绝缘子常见的“自爆”和“电晕放电”两种不同光谱缺陷的检测及分类。首先使用红蓝色差灰度图代替传统的加权灰度图作为UL-PCNN细分割模型的外部激励,然后对分割结果绘制检测窗口,通过对比各窗口的白色像素数量检测出缺陷区域,最后计算缺陷区域的白色光斑比例实现缺陷分类。