输电线路上的异物检测对确保电力系统安全运行至关重要.为了提高输电线异物识别效率,改进了　YOLOv3-Tiny模型.首先在头部网络中,采用深度可分离卷积替代标准卷积、归一化和激活函数结构,分离空间和通道相关性,降低卷积计算量,提高了识别的速度;其次,引入了考虑距离损失、高宽损失的EIoU的损失函数替代原始的损失函数,使得模型找到边界框预测与类别预测之间的最佳点,从而提升算法的检测效果.消融实验验证了这些改进的有效性,结果表明,改进后的模型在保持高精度的同时,检测速率(FPS)提高了　2.02倍,减少了　74.17％的参数量,大幅降低了计算资源需求.该算法在资源受限环境中表现出色,具备实际应用价值.