Detectar aisladores en una línea de transmisión de energía es de gran importancia para la operación segura de los sistemas de energía. Apuntando al problema de la detección perdida y el juicio erróneo de la red de extracción de características original VGG16 de una red neuronal convolucional de región más rápida (R-CNN) ante aisladores de diferentes tamaños, con el fin de mejorar la precisión de detección de aisladores en líneas de transmisión de energía, se propone un algoritmo mejorado de R-CNN más rápido. El algoritmo mejorado reemplaza la red de extracción de características VGG16 original en R-CNN más rápido con la red Resnet50 con capas más profundas y una estructura más compleja, añadiendo un módulo de atención de canal eficiente basado en el mecanismo de atención de canal. Los resultados experimentales muestran que el rendimiento de extracción de características se ha mejorado de manera efectiva a través de la mejora de la red de extracción de características principal. El modelo de red se entrena en un conjunto de entrenamiento que consiste en 6174 imágenes de aisladores, y se prueba en un conjunto de pruebas que consiste en 686 imágenes. En comparación con el R-CNN más rápido tradicional, la precisión media promedio del R-CNN más rápido mejorado aumenta al 89.37%, con una mejora del 1.63%.