目前,无人机技术在输电线路巡检中得到了广泛的应用,其所带的摄像仪能对沿途的输电线路关键部件进行拍摄,从而获得大量的航拍图像。如果仅靠人工操作去识别和判定这些航拍图像中存在的故障,不仅耗时巨大且效果较差。因此采用计算机视觉技术,利用计算机代替人眼来识别图像中的一些目标,并进行故障的识别与定位。这不仅可以减轻巡检人员的工作强度,同时也可以避免一些受巡检人员主观意识影响而导致的误判。本文是针对输电线路关键部件中四种常见的故障进行识别和定位方法的研究,为后期真正实现电力巡检智能化提供相应的理论基础。本文首先对无人机巡检及计算机视觉方面的国内外研究现状进行了介绍,并对现有的输电线路关键部件故障识别算法进行了优缺点分析。之后,针对绝缘子闪络、绝缘子掉串、输电线异物搭挂以及输电杆塔上的鸟巢这四类主要的输电线路关键部件故障,分别提出了多显著性集成的绝缘子闪络故障识别算法、基于空域形态特征的绝缘子故障识别算法、基于LSD及多特征约束的输电线异物搭挂故障识别算法、基于Harris角点检测及形态学处理的输电杆塔上鸟巢的故障识别算法,来对这四类关键部件进行故障的识别与定位,并将本文所提算法与现有算法进行了对比分析。结果表明,本文所提的四类故障识别算法均能够有效地识别和定位出故障部位,并具有较低的故障识别时耗以及较高的故障识别率。