Con el rápido desarrollo del Internet de las Cosas (IoT) en el sector energético, el modo tradicional de inspección manual ya no puede satisfacer la creciente demanda de inspección de equipos eléctricos. La tecnología de inspección inteligente con vehículos aéreos no tripulados (UAV), con sus características eficientes y flexibles, se ha convertido en la solución principal. El rápido desarrollo de la visión por computadora y el aprendizaje profundo (DL) ha mejorado significativamente la precisión y eficiencia de los sistemas de inspección inteligente de UAV para equipos eléctricos. Sin embargo, los modelos de aprendizaje profundo más utilizados tienen estructuras complejas, y el diseño manual es lento y laborioso. Además, las imágenes recopiladas durante el proceso de inspección eléctrica por los UAV presentan problemas como fondos complejos, iluminación desigual y diferencias significativas en los tamaños de los objetos, lo que requiere conocimientos especializados en el dominio del DL y muchos experimentos de prueba y error para diseñar modelos adecuados para escenarios de aplicación que involucren la inspección eléctrica con UAV. En respuesta a estos problemas difíciles, la tecnología de computación evolutiva (EC) ha demostrado ventajas únicas en la simulación del proceso evolutivo natural. Esta tecnología puede diseñar de manera independiente modelos de aprendizaje profundo ligeros y de alta precisión al optimizar automáticamente la estructura de la red y los hiperparámetros. Por lo tanto, esta revisión resume el desarrollo de la tecnología de aprendizaje profundo evolutivo (EDL) y proporciona una referencia para aplicar EDL en modelos de detección de objetos utilizados en sistemas de inspección eléctrica inteligente con UAV. Primero, se revisa el estado de la aplicación de modelos de detección de objetos basados en DL en la inspección eléctrica. Luego, se analiza cómo la tecnología EDL mejora el rendimiento de los modelos en escenarios desafiantes como terrenos complejos y condiciones climáticas extremas al optimizar la arquitectura de la red. Finalmente, se discuten los desafíos y las direcciones futuras de investigación de la tecnología EDL en el campo de la inspección eléctrica con UAV, incluidos temas clave como mejorar la adaptabilidad ambiental del modelo y reducir el consumo de energía computacional, proporcionando referencias teóricas para promover el desarrollo de la tecnología de inspección eléctrica con UAV a un nivel superior.