针对输电线上穿刺线夹及螺栓易受光照、遮挡、环境背景、拍摄角度等因素影响,提出了一种基于改进Faster R-CNN的检测方法。对获取的数据采用翻转、平移、角度旋转等方式增强数据集;再对比不同数量训练集对模型的影响;由于螺栓体积很小,使用网络深度更深、运算量更小的深度残差网络(ResNet50)代替VGG-16(Visual Geometry Group 16)网络并对图像进行特征提取;分析不同模型和参数对识别精确度的影响。结果表明,改进Faster R-CNN模型的mAP值达到92.4%,与未改进的Faster R-CNN模型相比提高2.8个百分点。利用深度学习目标检测模型能更好地检测不同分辨