智能机器人高压架空输电线路巡检具有重要的研究价值和广阔的应用前景。本文研制了一种新型复合式架空线路巡检机器人，研究了线路表观缺陷的检测方法。主要研究工作及创新点如下：

第一，针对目前巡线中悬挂式机器人越障困难、装卸繁琐与混合式机器人机构冗余、运动不稳等问题，提出并实现了一种新型高压架空输电线路复合式智能巡检机器人系统和新的巡检方式。该系统由优势互补的无人机和悬挂巡线小车构成，无人机可自主投放与回收小车实现上下地线，小车与飞行机构分离，可稳定精细巡线。户外实验验证了系统与方法的有效性。

第二，针对无人机巡检杆塔及其周边高压电力设备的任务，提出了一种基于点线特征和半稠密重建的视觉SLAM框架。在该框架中，设计了一种针对杆塔结构的快速启发式直线特征提取与匹配方法；推导了线段重建过程与优化点线特征和无人机运动的雅可比矩阵解析表达；给出了GPS数据融合和半稠密重建方法。所提SLAM框架提高了绕塔巡检时无人机定位的精度，环境建图的快速准确性和对杆塔细节结构恢复的能力。仿真和野外实验验证了所提框架的有效性。

第三，为了筛选电力巡检图像以提高样本集有效性，提出了一种基于子区域特征提取的真实退化无参考图像质量评估方法。在该方法中，通过聚焦特征和加权预测，解决了真实退化差异大和子区域无真值的问题；设计了一种巡检退化标注方法和基于评估不确定度的损失函数，解决了主观评估波动的问题。针对通用目标检测方法应用于高压电力设备检测中出现的背景干扰大、速度慢和准确率低等问题，提出了一种面向多类电力设备的高效旋转矩形框检测方法。在制作的数据集与公开数据集上，验证了所提方法的有效性。

第四，针对通用图像表观异常检测，电力设备和架空地线表观缺陷检测的问题，提出了一种基于特征提取与图像重建的半监督表观缺陷检测方法。在该方法中，推导构建了一种条件变分自编码器，使得隐藏空间成为连续和解耦的流形，能够完成自适应聚类和条件生成；设计了一种基于特征判别器的最大化互信息方法，解决了缺陷信息不明确时，正常与异常区分困难的问题；基于结构相似性损失和易收敛生成对抗网络的细粒度重建，设计了一种可度量细小缺陷的异常分数；设计了一种结合隐藏空间正则程度的主动负训练方法。在制作的数据集与公开数据集上，验证了所提方法的有效性。

最后，对本文的工作进行了总结，并指出了需要进一步开展的工作。