近年来，电网的稳定运行以及安全防范显得尤为重要，越来越受到国家的重视。其中，绝缘子的稳定、安全运行，是输电线路正常工作运行的必要条件。针对人工进行输电线路绝缘子故障巡检时存在的成本高、效率低等问题，采用基于深度学习的方法来更有效地进行绝缘子故障的检测，以YOLOv3作为基础网络，对绝缘子故障检测进行研究。为解决YOLOv3网络结构参数量多和在嵌入式平台上的运行速度较慢等问题，以轻量化的EfficientNet网络代替YOLOv3算法的主干特征提取网络(Darknet-53),从而构建了EfficientNet-YOLOv3网络模型。实验结果表明，EfficientNet-YOLOv3算法的AP值为96.01%,仅比YOLOv3算法少了0.61%,但是其运行速度得到了较大的提高，FPS达到了19f/s,比YOLOv3算法提高了7f/s,在保证精度损失不大的情况下较大地提高了模型的检测速率，从而可以在保持较高精度的条件下更好地满足输电线路绝缘子故障巡检的实时性需求。