本发明涉及一种基于卷积神经网络的实时输电设备异物(包括风筝，塑料袋等)检测的系统，包括：使用大量摄像头周期性地拍取输电设备照片，传入以树莓派为芯片的低成本嵌入式设备中，利用已经在服务器上训练好的一套深度学习模型实时检测出输电设备是否有异物及异物的位置，将这些信息再回传给服务器。部署的识别模型利用深度可分离卷积神经网络来提取图像特征，从而在针对异物特征优化的Faster R‑CNN方法中进行实时高效的检测。本发明可以实时的检测输电设备是否有异物，节省大量人力去现场检测输电设备状况，保障输电设备稳定运行。