输电线路是电力系统的重要组成部分，其安全运行直接影响着国民经济的发展。传统的输电通道巡检方法受巡视频次与技术的限制，不能保证及时发现缺陷。本文研究实现了基于深度学习的输电线路缺陷自动检测方法，弥补了传统输电通道巡检方法的不足。本文首先采集了基于安卓平台的前端摄像头的视频流，然后将视频流通过实时流媒体协议传输到后台服务器。在后台服务器，收集整理输电线路危险源样本库，并将基于Faster-RCNN的目标检测模型迁移学习到该样本库，实现了对前端传输回来的视频流的危险源自动检测。全文主要研究内容如下：
　　(1)研究了视频采集压缩和流媒体传输方法。利用了安卓平台的开放性，将采集到的摄像头视频采用H.264进行编码，压缩视频流，然后采用RSTP协议将视频流通过4G网络传输到后台服务器。
　　(2)分析了对输电线路通道造成的不同的危险源所具有的特性，研究对危险源进行自动识别技术。收集整理了推土机、挖掘机和水泥泵车三类危险源的数据集。以Faster-RCNN作为目标检测框架，将在MSCOCO数据集上的预训练模型迁移学习到本文整理的危险源数据集，实现了对输电线路通道的危险源自动检测。