En las líneas de transmisión de alto voltaje, la torre de tensión necesita resistir la carga de tensión de la línea eléctrica aérea durante mucho tiempo, lo cual es propenso a daños, y es una parte importante de la inspección en la inspección del circuito. En el proceso moderno de inspección de circuitos, el personal de operación y mantenimiento principalmente utiliza vehículos aéreos no tripulados (UAV) para fotografiar varias partes de la torre de tensión, obtener imágenes de inspección y clasificar y nombrar manualmente las masivas imágenes de inspección, lo cual es bajo en precisión y eficiencia. Basado en los problemas mencionados, este documento recopila un gran número de imágenes reales de inspección de UAV de varias partes de una torre de tensión, y propone el conjunto de datos de imágenes de inspección Stower-13, el cual se utiliza para entrenar el modelo de clasificación para lograr la clasificación automática y el nombramiento de imágenes de inspección. Basado en este conjunto de datos, este documento también propone un modelo MobileViT mejorado, en el cual se introduce el módulo de Bloque de Atención de Convolución Piramidal Correlacionado en Escala (SCPCbam), el cual agrega el Módulo de Atención de Bloque de Convolución (CBAM) a las cuatro ramas del módulo original de Convolución Piramidal Correlacionado en Escala (SCPC), para fortalecer la capacidad de extracción de información de imagen de múltiples escalas y mejorar la precisión de clasificación. Este documento discute una serie de experimentos sobre el modelo, y los resultados experimentales muestran que el conjunto de datos propuesto en este documento ayuda al modelo a comprender la información de características. Al mismo tiempo, el modelo MobileViT mejorado tiene una fuerte capacidad para extraer información de características espaciales de imagen, la precisión de clasificación es mayor que la de otros modelos del mismo tipo, por lo que es capaz de hacer frente a una amplia gama de problemas que surgen en el curso de la práctica, y satisface las necesidades prácticas de nombrar automáticamente las imágenes de inspección de líneas de transmisión.