本发明公开了融合边缘计算和深度学习的变电站填方压路机识别方法，涉及计算机视觉识别以及通信技术领域，获取不同施工区域压路机的图像，经预处理后传输至各个边缘节点进行特征提取，并构建与各个边缘节点对应的训练数据集；建立CNN模型，并通过L2正则化及Dropout算法对CNN模型进行优化，将训练数据集传输至优化后的CNN模型进行训练，获得完成训练的CNN模型；将完成训练的CNN模型部署至各个边缘节点中，并对不同施工区域压路机的图像特征进行识别，待识别完成后，融合各个边缘节点的识别结果进行输出。本发明通过边缘计算及深度学习不仅克服了集中运算占用大量带宽导致网络拥堵的问题，而且解决了现有压路机图像识别技术准确率较低的情况。