本发明公开了一种电抗器智能检测和定位的方法，包括下列步骤：S1电抗器共分成四个类别；S2针对以上四种电抗器类别，每个类别筛选2,500条数据进行标注，生成4*2,500条数据，作为数据集；S3搭建基于Faster RCNN的电抗器目标检测网络模型，采用Tensorflow框架来训练深度学习模型，选择MobilenetV1作为的主干特征提取网络；S4预先训练的MobilenetV1模型在数据集上进行了500次迭代，采用Early stopping技术防止模型过拟合；S5在网络训练之前，输入网络的温度数据进行标准化处理；S6最后得到电抗器设备的目标检测模型。本发明对于3,000条测试数据，相同实验环境和网络结构，对电抗器单个类别(未进行4分类)的检测结果：MAP＝82％，平均IOU＝64.2％，而对电抗器进行4分类后的检测结果：MAP＝98％，平均IOU＝82.3％，提高了电抗器检测的准确率。