大力发展输电线路自动化巡检机器人，以减轻输电维护人员的劳动强度，提高巡检效率与质量，对输电工程的安全可靠运行具有重要意义.本论文主要研究了超高压输电线巡检作业机器人研制项目中的视觉模拟工作，通过模拟视觉系统，获取绝缘子图像，基于图像处理与识别技术，判断图像中是否存在裂纹、完成对裂纹分类识别，从而及时准确地掌握输电线路中绝缘子的状态信息，为后续绝缘子故障处理提供必要的依据。本文所做的工作主要有以下几个方面： 首先，从理论上提出裂纹图像自动检测与识别的系统平台，硬件系统实现了绝缘子的图像采集。 其次，研究均值滤波、中值滤波及自适应滤波三种滤波方法的特点，针对噪声特点及图像特征，有效地滤除噪声，初步实现图像的减噪、平滑增强目的。 然后，运用边缘检测方法提取图像的边缘，提出基于边缘特征的差影方法对裂纹图像提取。叙述了基于梯度的检测算子、LoG算子、Canny边缘检测及小波多尺度边缘检测等原理，进行仿真实验、分析，得到较为清晰图像的轮廓。针对裂纹图像的特征，运用差影法获得裂纹图像，采用分块分割处理及破损度鉴别技术，得到16×16块消除了“孤立”点的裂纹特征图像，它能有效反映原图特征。 最后，构建三层BP神经网络分类器对绝缘子图像中裂纹类型进行识别。对裂纹图像的特征进行提取，提取出四个具有代表性的特征：含裂子图像块的数目、图像中连通总数、图像在水平方向和垂直方向上投影的差分累加，它们能够很好的反映图像裂纹的信息。以这四个特征作为输入，设计了三层BP神经网络，网络的输出为裂纹的四种类型：采用三种改进BP算法进行分类识别，通过改变隐含层节点数，对比了各分类器识别结果。该系统在实验阶段已达到设计要求，能识别绝缘子裂纹类型，识别正确率可达到91.5％，能够满足对裂纹类型的自动分类的需求。 本文运用图像处理、模式识别、神经网络等技术实现了绝缘子裂纹图像获取、裂纹特征表征及类型的识别。全文用由MATLAB软件编程实现。