针对复杂光照条件下，如何提高无人机智能巡检作业中场景目标识别精准性的问题，本文将视觉即时定位与地图构建(simultaneous localization and mapping, SLAM)和机器学习算法进行融合，经过优化得到动态SLAM2算法，增加动态目标检测线程，在对图像特征点进行提取的过程中，将动态目标区域剔除，通过对静态特征点的运用实施目标位姿估计。实验结果显示：将本文融合视觉SLAM与机器学习的动态SLAM2算法应用于无人机智能巡检中，目标特征识别所用关键点数量明显比加速稳健特征(speeded up robust features, SURF)算法和尺度不变特征转换(scale-invariant feature transform, SFIT)算法少得多，且耗时更短，因而具有显著优势，有一定的应用价值。