电力供应是国家发展,居民生活,社会运转的必要条件,随着我国不断扩大城镇范围,输电线路也遍布在了各种地形。而输电线路的巡检中最常见也最重要的当属外力破坏目标。近年来国家提出智能化巡检的概念,使用无人机巡检或者定点架设摄像头的巡检方式逐渐取代老旧的人工巡检。本文主要研究输电线路外力破坏目标的目标检测算法,以及模型压缩和模型移植的方案。对于收集到的外力破坏数据集,本文进行图像质量分析,分别采用中值滤波去雾算法,限制对比度自适应直方图均衡算法和非局部均值去噪算法解决了图像中雾气过浓,对比度较差,噪声较强的问题。同时从物理位置关系,颜色灰度关系,额外增强方式三种角度对外力破坏数据集进行了在线增强,扩充了数据集规模,提升模型泛化能力。通过横向对比,选定YOLOv3目标检测网络作为本文目标检测算法的基础。针对外力破坏目标特有的大小和高宽比特点,采用IOU指标对于anchor框进行重聚类,并将IOU、中心距离、高宽比纳入损失函数的优化计算中。针对外力破坏目标存在众多小目标的特点,设计Bi-YOLO结构对不同特征层的特征进行充分融合。针对自身实验设备的内存条件,使用分组归一化的思想对于归一化层进行优化。在模型压缩研究上,本文针对模型剪枝和模型量化开展工作。在模型剪枝方面,针对当前模型剪枝算法大多忽略了卷积层之间关联的问题,引入了敏感度评价方式,实现了对不同卷积层的剪枝尺度进行衡量。在模型量化方面,针对激活值部分量化效果较差的问题,提出使用自适应双截断激活函数,对于激活值分布进行有选取的截断。本文使用纵向对比实验,验证了各个优化算法的有效性。基于本文任务的需求进行分析,选取合适的移植方案,并进行模型移植的仿真实验,验证模型移植的可行性,最后完成移动端和边缘端的模型移植。