La inspección automatizada de la infraestructura eléctrica con drones requiere procesar flujos de video en tiempo real y realizar el reconocimiento de objetos a partir de datos de imagen con recursos limitados. Los algoritmos de reconocimiento de objetos basados en servidores dependen de la transmisión de datos a través de una red y requieren considerables recursos computacionales. En este estudio, presentamos un sistema automatizado diseñado para inspeccionar la infraestructura eléctrica utilizando drones en tiempo real. El sistema propuesto se implementa en la plataforma Rockchip RK3588 y utiliza una arquitectura YOLOv8 ligera que incorpora un modelo Slim-Neck con un módulo VanillaBlock integrado en la columna vertebral. Para apoyar la operación en tiempo real, desarrollamos un sistema de procesamiento de flujo de video digital (DVSPS) para coordinar la decodificación de video basada en hardware de procesadores multimedia (MPP), con inferencia realizada en una unidad de procesamiento neural multicore (NPU) utilizando agrupamiento de hilos. El sistema puede navegar de forma autónoma utilizando un sistema de visión por computadora en bucle cerrado que calcula la latitud y longitud de las torres eléctricas para realizar inspecciones multinivel. El modelo propuesto alcanzó un 84.2% mAP50 y un 52.5% mAP50:95 con 3.7 GFLOPs y un rendimiento promedio de 111.3 FPS con un 34% menos de parámetros. Estos resultados demuestran que el método propuesto es una solución eficiente y escalable para la inspección autónoma en diversas condiciones operativas.