为解决现有输电线路通道隐患自动识别系统中海量图像数据导致的网络负载、云端计算量大以及图像识别算法缺乏自学习迭代更新机制的问题，提出基于人工智能计算平台的输电线路通道隐患自学习识别系统。首先，所提系统基于云/边协同计算策略，将推理计算前移至边缘计算设备端，模型训练在云端进行，更新后的算法再部署至边端，减少网络传输和云端计算压力；其次，采用自学习机制，通过对隐患目标进行识别与跟踪，应用插值计算自主发现并标注典型图像帧，传至云端迭代学习，实现云/边自学习更新；最后，所提系统在特高压输电线路智慧物联监控平台中进行应用。实验结果表明，基于云/边协同的智能识别算法架构有效降低网络传输负载和云端计算压力，实现实时性、自动化识别，采用自学习机制，目标识别算法准确率在96%以上。