目前高电压输电线路的定期巡检主要以人工巡检为主,要求工作人员巡线目测检查甚至需要攀登铁塔进行检查,效率低且不安全。伴随着数字图像技术与无人机技术的迅速发展,电网公司提出了基于无人机的智能电力巡检,其中基于航拍图像的绝缘子识别定位是其重要组成部分。由于无人机采集的图像数据背景复杂且受到光照等多种因素影响,传统的绝缘子识别定位方法精度不高且速度较慢。针对这些问题,本论文进行了基于卷积神经网络的航拍绝缘子识别定位研究,构建一个航拍绝缘子的识别定位模型并与传统算法进行了比较,实验结果表明基于卷积神经网络的模型获得的准确率明显高于传统算法。本文的主要研究工作有:1.构建了一个航拍绝缘子图像数据集,提供了绝缘子图像研究的基础。2.基于传统算法的绝缘子图像识别分类实验。在图像预处理阶段采用中值滤波和边缘增强,然后提取HOG特征和Haar特征,最后使用SVM分类器和AdaBoost分类器实现绝缘子图像识别分类。3.研究了卷积神经网络的结构及原理,并对基于卷积神经网络搭建的目标检测网络进行详细的研究,分析了ResNet网络中的残差模块、Fast RCNN中的RPN网络、FPN模块。基于对卷积神经网络的结构和原理的学习,搭建了一个基于卷积神经网络的航拍绝缘子识别定位模型,并对边框回归器算法和训练优化算法进行优化,最终模型取得91.3%的准确率,明显高于传统算法。