针对输电线路异物检测中存在背景干扰、图像分辨率低且异物尺度变化大等问题，提出了一种基于改进YOLOv7的输电线路异物检测模型。首先，通过空间深度卷积（space to depth conconvolution，SPD-Conv）和多维协作注意力（multidimensional collaborative attention，MCA）机制构造新的骨干网络，加强模型对低分辨率图像特征提取及抑制背景干扰的能力，同时增加对小目标异物的关注度。其次，使用幻影卷积（ghost convolution，Ghost-Conv）改进高效分层聚合网络（efficient layer aggregation network，ELAN）的输出部分，大幅降低模型的计算量。最后，基于可伸缩交并比（scalable intersection over union，SIoU）优化损失函数，进一步提高模型的训练速度和鲁棒性。实验结果表明，所提模型在输电线路异物检测数据集上平均精度均值（mean average precision，mAP）达到95.98%，高于其他主流对比模型，同时每秒帧数（frames per second，FPS）达到64，满足输电线路异物的实时性检测。