绝缘拉杆是现代超/特高压输电系统中重要的开关元件，担负着保障电力系统安全高效运行的重任，绝缘拉杆缺陷的存在大大增加了电力系统的运行风险。传统的缺陷检测手段普遍成本高、效率低、实施难度大，难以满足现代电力系统的要求。为高效检测绝缘拉杆缺陷，本项目对GIS绝缘拉杆典型缺陷种类进行调研，采集与建立绝缘拉杆缺陷样本数据集，依托YOLOv5s模型在绝缘拉杆数据集下进行训练，完成了透光成像拉杆智能缺陷检测系统的开发。 本项目提出了基于YOLOv5s模型的绝缘拉杆缺陷检测技术，该技术是YOLOv5s模型首次被应用于高压绝缘缺陷检测。提出了一种改进Mosaic的离线数据增强策略，即在丰富数据多样性的基础上进行图像拼接时，给定预设的边界条件，使图像在拼接过程中不会出现标注框区域被覆盖的情况。本项目可实现绝缘拉杆透光成像智能拍摄及缺陷识别，用以辅助现有的人工肉眼观测，解决肉眼观测主观性带来的误差，大大节省缺陷辨别时间。 使用本项目成果可有效提升电力行业GIS设备绝缘拉杆的检测效率，更准确地识别绝缘拉杆存在缺陷，同时节省人力、物力和时间成本，在实现并保证GIS产品的安全性和可靠性等方面意义重大，保证了入网绝缘拉杆的安全性，对保障电力系统安全稳定运行具有极大的促进作用。