随着国家基础电力设施的日益完善,输电线路本体安全问题越来越受到重视,基于边缘计算的输电线路本体缺陷检测成为人工智能技术研究的热点。本论文重点对输电线路本体金具之间、金具与输电线路之间的连接部件上螺栓销钉缺失、绝缘子缺陷等问题的检测方法进行了研究,并开发了相应的系统,对提高电网巡检工作的高效化和可靠性有着重要意义。本论文主要研究内容如下:（1）面向输电线路本体缺陷检测算法设计。考虑到输电线路本体缺陷的特征显著性较弱,并且易受到视角、背景、遮挡等因素影响,提出了基于DBSCAN的串联目标检测算法,通过先定位到候选区域再进行检测的方法,可以有效检测完整目标;提出了基于overlap的图像分割与拼接算法,实现对图像进行无缝分割;还研究了基于空间和通道的注意力机制,在几乎不增加模型复杂度的前提下,综合考虑了图像特征图中各个通道以及空间位置的权重,使得网络在训练过程中更好的注意到小目标区域,忽略背景信息,提高特征的表达能力,达到提高检测精度的效果。（2）针对边缘计算的网络轻量化技术研究。针对边缘计算平台存在功耗低、计算资源少等局限性,通过替换轻量化的网络基础结构,在原有网络基础结构上进行量化、剪枝,成功将本体缺陷检测的网络模型压缩了一倍;在压缩模型的理论基础上,给出了神经网络轻量化部署的技术细节,并对所部署系统的性能进行了实验分析。（3）开发了输电线路本体缺陷在线检测系统。设计了系统的信息处理和通信机制,实现了检测视频和检测结果图的高效传输;搭建了图像采集云台控制系统,实现了摄像头巡检路线设定功能,扩展了边缘检测设备的检测范围和视角,减少设备的安装成本;采用前后端分离技术开发了管理系统,实现了包括自动巡航云台、变焦镜头自动控制,前端实时视频画面的展示与后端接收数据的存储与回放。本论文通过大量的改进实验,定量与定性的实验结果证明了本文提出的本体识别算法与系统部署能够同时提升输电线路本体识别模型的检测性能与系统的速度、功耗等一系列适合工业部署的性能。完成了一整套系统性的边缘计算图像采集、远程控制与存储框架,一定程度上弥补了现阶段业界在输电线路边缘检测技术方面的不足。