输电设备经常会出现各种异物，如鸟巢、塑料袋，如果不能及时发现并清理将会对输电系统造成很大的安全隐患。因此，及时对输电设备 是否有异物进行检测非常必要。针对该问题，提出了一种基于边缘计算和深度学习的异物检测方法，该方法与现有利用无人机拍摄传回云端服务器 计算方法不同，通过将检测计算下沉到边缘设备，使用Mobilenet 加上优化后SSD 的目标检测方法在边缘设备直接处理计算，将检测出异物的图像 发回云端。该方法在CPU 上的运行速度是基于VGG 的SSD 方法的5 倍左右，是Faster-RCNN 的58 倍左右，在模型大小上是基于VGG 的SSD 方 法的2/9 左右，是Faster-RCNN 的2/49 左右，精确度为89%；与直接将数据传回云端服务器再进行处理的方式相比，数据传输量减少约90%。该方 法不仅满足实时性，还具有可靠的效果，基于该方法的系统已经得到实际部署。