随着电力生产智能化的推进，电力图像被广泛应用。然而由于图像编辑软件的发展导致部分电力图像被恶意窜改，严重影响电力生产进程。其中以拼接窜改最为常见。基于深度学习技术，提出了一种双通道CenterNet的图像拼接窜改检测模型。原色图像通道提取窜改图像的色调、纹理等特征，隐写分析通道发掘图像窜改区域的噪声特征。同时设计了一种基于注意力机制的特征融合模块，自适应地对双通道的特征进行加权融合，以增强检测模型的特征识别能力。实验结果表明，所提模型可以达到更优的检测性能，在电力图像的窜改检测应用中具有实际意义。