Debido a la baja eficiencia y seguridad de una inspección manual de aislantes, la investigación sobre inspecciones inteligentes de aislantes ha ganado gran atención. Sin embargo, la mayoría de los métodos existentes de reconocimiento de defectos extraen características abstractas de toda la imagen directamente mediante redes neuronales convolucionales (CNN), que carecen de información de características de multi-granularidad, lo que hace que la red sea insensible a defectos pequeños. Para abordar este problema, proponemos una red de fusión de multi-granularidad (MGFNet) para diagnosticar el estado de salud del aislante. Un MGFNet incluye un módulo de recorte de travesía (TC), una estrategia de aprendizaje de multi-granularidad progresiva (PMGL) y un módulo de atención de relación de región (RRA). Un TC resuelve eficazmente el problema de distorsión en las imágenes de aislantes y puede proporcionar un diagnóstico más detallado para las áreas locales de los aislantes. Un PMGL adquiere las características de multi-granularidad de los aislantes y las combina para producir características más resistentes. Un RRA utiliza interacciones no locales para aprender mejor la diferencia entre características normales y características de defectos. Para eliminar la interferencia del fondo de las imágenes de UAV, un MGFNet puede combinarse de manera flexible con algoritmos de detección de objetos para formar un algoritmo de detección de objetos en dos etapas, que puede identificar con precisión los defectos de los aislantes en las imágenes de UAV. Los resultados experimentales muestran que un MGFNet logra una precisión del 91.27%, superando otros métodos avanzados. Además, el despliegue exitoso en una plataforma de dron ha permitido el diagnóstico en tiempo real de los aislantes, confirmando aún más el valor de las aplicaciones prácticas de un MGFNet.