En entornos naturales, los pernos de conexión de las líneas eléctricas y torres de energía son propensos a aflojarse y faltar, lo que representa riesgos potenciales para la operación segura y estable del sistema eléctrico. Este documento revisa los desafíos en la detección de defectos en pernos utilizando tecnología de visión eléctrica, con un enfoque particular en las imágenes de vehículos aéreos no tripulados (VANT). Estas imágenes de VANT ofrecen una solución rentable y flexible para detectar defectos en pernos. Sin embargo, persisten desafíos, incluyendo detecciones perdidas debido al pequeño tamaño de los pernos, detecciones falsas causadas por pernos densos y ocultos, y subajuste resultante de conjuntos de datos de defectos en pernos desequilibrados. Para abordar estos problemas, este documento resume soluciones que aprovechan algoritmos de aprendizaje profundo. Se realiza un análisis experimental en un conjunto de datos derivado de inspecciones con VANT, comparando las características de detección y visualizando los resultados de varios algoritmos. El documento también discute tendencias futuras en la aplicación de tecnología de visión eléctrica basada en VANT para la detección de defectos en pernos, proporcionando información para el avance de la inspección eléctrica inteligente.