密集输电通道设备的安全稳定运行,关系到电力在运输环节中的稳定与安全性,是电网系统正常运行的关键。目前,对于输电线路的安防方式主要包括人工巡线以及基于可见光相机的异常视频监控系统,其中人工巡线的方式由于生理局限性导致成本高且效率低;而单一模态的视频监控受光照影响极大,恶劣环境下无法提供高质量图像,同时需要通过网络向云计算平台传输大量视频数据,受网络带宽的影响,极易出现外破预警不及时、异常目标检测不准确等不足。因此,针对目前输电线路的智能安防系统监控存在的环境适应性差、处理不及时,准确度不足等问题,开展了有关边缘计算与双模态监控相结合对密集输电通道的周界区域进行实时监控的研究,解决密集输电通道所处环境复杂所导致的可疑目标识别难与数据延迟所导致的预警滞后的问题。首先,本文详细介绍了密集输电通道防外破系统的网格化设计方案,并通过需求分析选出适用于密集输电通道硬件设备,确定了系统的软件框架与设计方案。其次,针对成像过程中由极端环境引起的单模态图像成像质量低的情况,开展了多尺度密集连接网络图像融合算法的研究。通过在编码网络中引入多尺度卷积,以保证图像特征的充分利用,并结合注意力机制CA（Coordinate attention）模块进一步增加模型融合效果,使得融合的图像相较于所对比算法在结构相似度,信息熵与差异相关系数上均达到了最优。最后,针对目前的目标检测框架的网络体积庞大,在边缘计算平台部署困难,实时性不足的问题。提出了一种基于无锚框的轻量级的目标检测方法,通过对模型中的复杂结构进行精简,构建高精度轻量级特征的提取网络,增加PAN（双向融合）网络的同时改进标签分配策略和损失函数,使得改进后的网络在参数量仅有2.08M的情况下帧率达到25.73帧/s,实现了计算和存储能力有限的边缘设备目标实时检测。