电力铁塔上故障防鸟刺的及时检测,对于减少输电线路鸟害的发生,从而保障输电线路安全可靠运行具有重要意义.电力巡检图像中电力铁塔上的防鸟刺具有轮廓特征较不明显、部分重叠分布的特点给防鸟刺部件识别与故障检测研究带来一定挑战.针对所述防鸟刺特点,提出一种基于深度卷积神经网络的防鸟刺部件识别与故障检测方法.先利用锐化滤波器对电力巡检图像进行锐化处理;其次运用经过多尺度训练的YOLOv3目标检测网络框选并截取出经过锐化处理的电力巡检图像中的防鸟刺区域;最后利用基于Resnet152特征提取网络的防鸟刺故障检测器处理截取出的防鸟刺区域,实现防鸟刺故障检测.利用上述方法,实现电力巡检图像中的防鸟刺部件识别与故障防鸟刺检测,防鸟刺部件识别平均准确率为95.36％,故障防鸟刺检测准确率为92.3％.实验结果表明,所提方法能够有效实现电力巡检图像中防鸟刺部件识别与故障检测.