La detección de defectos en líneas de transmisión de energía a través de imágenes de inspección aérea no tripulada es crucial para evaluar el estado operativo del equipo de transmisión al aire libre. Este documento presenta un método de reconocimiento de defectos llamado EDF-YOLOv5, que se basa en el YOLOv5s, para mejorar la precisión de detección. En primer lugar, se diseña el módulo EN-SPPFCSPC para mejorar la capacidad del algoritmo de extraer información, mejorando así el rendimiento de detección para defectos de objetivo pequeño. En segundo lugar, el algoritmo incorpora una red de extracción de información de características semánticas de alto nivel, DCNv3C3, que mejora su capacidad de generalizar a defectos de diferentes formas. Por último, se introduce una nueva función de pérdida de caja delimitadora, Focal-CIoU, para mejorar la contribución de muestras de alta calidad durante el entrenamiento. Los resultados experimentales demuestran que el algoritmo mejorado logra un aumento del 2.3% en precisión promedio media (mAP@.5) para la detección de defectos en líneas de transmisión de energía, una mejora del 0.9% en la puntuación F1, y opera a una velocidad de detección de 117 cuadros por segundo. Estos hallazgos resaltan el rendimiento superior de EDF-YOLOv5 en la detección de defectos en líneas de transmisión de energía.