面向架空线路无人机巡检应用场景，总结了巡检图像特征和图像质量影响因素，阐述了现阶段无人机巡检图像智能处理技术的应用现状及发展趋势，分析了基于不同深度学习网络架构和样本数据分布对缺陷识别效果的影响。提出通过固化无人机巡检路径，将巡检图像与时空信息关联，对设备缺陷非结构化信息进行精细标注，为深度学习算法优化提供高质量设备缺陷样本集。利用主流缺陷检测算法对不同训练样本进行了测试，试验结果表面样本分布均衡能提高算法准确性，定点复拍图像的缺陷识别率整体较高。