La demanda global de energía eléctrica ha aumentado considerablemente debido al desarrollo industrial y al cambio en la vida diaria de las personas. Se han instalado muchas líneas de transmisión aéreas para proporcionar energía confiable a largas distancias. Por lo tanto, la investigación sobre la inspección de líneas de transmisión aéreas es muy importante para prevenir cortes repentinos en áreas extensas. En este documento, proponemos un Clasificador de Líneas de Transmisión Aéreas (OTL-Classifier) basado en técnicas de aprendizaje profundo para clasificar imágenes capturadas por futuros drones o robots de mantenimiento no tripulados. En el modelo propuesto, se incorpora un clasificador binario basado en la arquitectura Inception con un algoritmo auxiliar basado en ResNet y Faster-RCNN (Características de Regiones más Rápidas con Redes Neuronales Convolucionales). El clasificador binario define las imágenes con objetos extraños como globos y cometas como clase anormal, independientemente del tipo, tamaño y cantidad de objetos extraños en una sola imagen. El algoritmo auxiliar marca los objetos extraños en imágenes anormales, con el fin de proporcionar ayuda adicional para la rápida localización de objetos extraños ocultos. Nuestro modelo OTL-Classifier logra una tasa de recuperación del 95% y una tasa de error del 10.7% en el modo normal, y una tasa de recuperación del 100% y una tasa de error del 35.9% en el modo de Revisión de Advertencia.