Las líneas de transmisión que atraviesan áreas boscosas presentan riesgos significativos de incendio, lo que requiere mecanismos de inspección oportunos y eficientes. Las patrullas manuales tradicionales y las inspecciones de UAV basadas en la nube sufren de alta latencia, dependencia de ancho de banda y tiempos de respuesta retrasados. Para abordar estos desafíos, este estudio propone un sistema integrado de computación en el borde de UAV en tiempo real para la identificación temprana de riesgos de incendio y peligros estructurales a lo largo de los corredores de transmisión. El sistema integra un UAV DJI M300 RTK con una unidad de computación en el borde Manifold 2-G (basada en NVIDIA Jetson TX2), desplegando un modelo YOLOv8 optimizado para TensorRT y ligero. Al aprovechar la cuantización de precisión FP16 y la fusión de operadores, el sistema logra una velocidad de inferencia en tiempo real de 32 FPS en la plataforma embebida. Además, una integración personalizada del SDK de carga útil asegura la adquisición automatizada de imágenes y la transmisión de datos en bucle cerrado a través de un enlace de comunicación de modo dual (4G/5G + Wi-Fi). Los experimentos de campo demuestran que el sistema reduce significativamente la latencia de transmisión de datos mientras mantiene una alta precisión de detección (mAP > 94%), proporcionando una solución robusta y replicable para el mantenimiento inteligente de la red eléctrica en entornos con recursos limitados.