随着我国电力发展的蒸蒸日上,目前已经建成了全世界最大的电力网络。但输电线路里程的增加,也带来了输电线路检测的问题,因为输电线路常年处于户外,难免会因为风吹日晒等外部因素影响出现损坏和电力部件脱落的情况。传统的输电线路检测方法主要是人工巡检,不仅危险系数高,效率也比较低下。无人机的发展,使输电线路检测摆脱了传统的巡检困境,不经更加经济安全,效率也大幅提升。绝缘子、防震锤和间隔棒是输电线路上的重要电力部件,对维护国家电力安全有着重要意义。本文主要对这三个输电线路小目标进行检测识别,来研究哪种算法比较适用于对这三个目标的检测工作。本文采用的目标检测算法是近两年才发布的YOLOv4和YOLOv5算法,并对其进行研究改进,以期提升在实际应用场景的性能。主要工作有:1、利用无人机拍摄和网页搜索输电线路图像,通过标注、扩充等方法来构建输电线路小目标数据集,并且将数据集格式由xml转换为YOLO格式。针对获取的输电线路图像存在噪声的问题,对图像采取了中值滤波、直方图均衡化等预处理操作。2、通过YOLOv4对数据集的训练,发现对目标尺寸不敏感,识别率较低,且真实框与预测框尺寸相差较大的问题。针对该弊端本文对原算法进行创新改进,一是通过k-means++算法对原有的anchors进行优化,找到最佳的anchors,可以有效的减少目标检测是预测框与真实框尺寸相差过大的问题;二是通过改变NMS的方法,来增强YOLOv4的输电线路检测效果,提升识别准确度。实验结果显示,改进后的YOLOv4在识别率、识别精度均有了较大提升,mAP值相较于改进前提升6%,输电线路类别AP值也有了不同幅度的增加,检测速度FPS与改进前相比更是提高了 28%,证明本文改进方法是有效的。3、针对YOLOv4算法检测速度慢,不能满足无人机航拍输电线路小目标检测实时性的要求,本文又提出改进的YOLOv5目标检测算法。YOLOv5s是YOLOv5系列维度最浅也是最快的一种算法,通过YOLOv5s对数据集的训练,发现了该算法虽然速度提升了很多,但对小目标和多目标检测效果不理想的问题。本文对YOLOv5s的创新主要有两点,一是添加通道注意力机制,来增强网络性能;二是改进残差模块,减少信息损失。改进YOLOv5s的mAP值提升了8.8%,对多目标小目标检测也具有很好的检测效果。