我国电网在社会需求不断增强的背景下,保持了高速发展的趋势,由此带来的电力巡检任务也在增大,传统的人力巡检方式又存在着工作效率较低和安全隐患较大的风险。近年来,一种新兴的电力巡检方式——无人机电力巡检已经开始逐步投入应用,并且得到了广泛的推广。本论文就是在这样的背景下,以识别航拍图像中输电线路的绝缘子并检测出绝缘子“自爆”特征为目标展开的研究。对于该技术的研究,可以为未来无人机电力巡检所需解决的自动避障、测距以及实现智能巡检做好铺垫,并且提供有力的技术支持。本文所做的工作主要包括以下四个方面:1.分析了无人机电力巡检的国内外研究现状针。对多旋翼无人机电力巡检的特点进行了介绍。分析实际工程的需求,从绝缘子“自爆”特征识别检测的准确性和适应性两方面来考虑,以实现和比较基于计算机视觉和模式识别的两种绝缘子“自爆”特征识别算法作为本课题研究的主要内容。2.针对航拍图像中的绝缘子“自爆”特征,根据计算机视觉和图像处理相关技术采用了一种不依赖于完整绝缘子边缘的“自爆”特征识别与检测数学模型。首先把LAB空间转换后得到的A空间图像和经过灰度变换得到的灰度图像采用最大类间方差法分别做阈值分割,处理之后将两者的分割结果做“与”运算,再通过形态学处理和面积滤波得到的纯净绝缘子串,然后在此基础上建立数学模型,对绝缘子串的起始点、中心、以及区域进行标记,最后通过区域内绝缘子的白色像素比例与阈值的比较来检测判断是否存在绝缘子“自爆”特征。3.采用分割方法得到绝缘子图像的方法会受到图像背景复杂程度的严重影响,针对此问题,本文提出来采用模式识别相关的识别算法,在灰度图像的基础上,提取图像的SURF特征,通过对样本的训练,采用支持向量机方法对绝缘子进行分类。再使用RANSAC算法排除误识的与绝缘子相似的“局外点”,最后通过相邻检测框之间的实际距离与预设阈值的比较来判断是否存在绝缘子“自爆”。4.将本文采用的两种不依赖完整绝缘子分割结果的数学模型检测方法与文献采用的方法进行绝缘子“自爆”检测效果比较和测试。并且对测试结果进行了定性分析和定量分析,然后根据测试结果分析算法存在的缺陷与不足,为未来的研究提供一定的方向指导。