当前输电线路巡检工作主要采用无人机巡检的方式来完成,利用人工智能技术助力巡检图像的缺陷识别已成为趋势.以往绝缘子缺陷检测研究大部分集中于绝缘子爆片类缺陷的检测,提出了一种改进的Cascade R-CNN算法,基于绝缘子缺陷数据建立绝缘子缺陷数据集.该算法主要针对绝缘子爆片、绝缘子电弧烧伤及绝缘子伞裙破损的多类型绝缘子缺陷联合检测.首先,针对目标比例小导致生成的anchor正负样本比例失衡的现象,将损失函数更改为Focal loss;然后引入了RoI Align方法以解决小目标的漏检;通过联合绝缘子串模型,将绝缘子串的检测区域设置为RoI,最后检测RoI区域中的绝缘子缺陷.实验结果显示,绝缘子爆片、绝缘子电弧烧伤及绝缘子伞裙破损三类缺陷检测mAP值可达到0.744,针对不同情形所提方法都能够有效地检测所设定的三类绝缘子缺陷目标,比Faster R-CNN方法更准确、更可靠.