随着变电站向着智能化、自动化、无人值守化发展,对于变电站设备进行实时高效准确的识别显得非常重要,由于变电站环境比较复杂,且站内设备类型比较多,基于传统模式识别方法因为特征提取算子的非实时性而难以实现变电站设备的实时检测。因此,研究一种基于图像的方法实时、高效、精准的对设备进行识别非常关键。本文通过对前人研究成果进行了系统的分析和总结,提出了一种在图像的基础上对设备进行的精准识别与定位的方法。论文研究成果如下:1)采集了不同的光照条件、不同气候条件下7类常见的变电站设备的图像信息,利用滤波方法对图像的噪声进行去噪,同时利用数据增强技术对图像数据集进行了扩充,从而增加样本的多样性。2)提出一种基于Faster R-CNN变电站设备识别方法,该方法首先利用共享网络结构提取图像特征,经过RPN网络处理,生成候选区域,然后利用Faster R-CNN对候选区域进行分类处理,同时利用边框回归技术对目标进行精准定位,实现变电站设备的类别识别及定位。通过对七种常见的变电站设备进行实验分析,得到了87.5%的平均识别精度。3)提出一种基于HF的隔离开关的检测与状态识别,该方法通过构建分类器,结合一种无需非极大值抑制算法,利用霍夫变换框架对目标物体中心位置投票,实现了同一个图像中多个开关设备的同时检测与定位,提高了开关检测准确率。本文提出的基于图像的变电站设备识别方法对于实现变电站无人值守具有重大意义。同时对变电站设备状态的检测也可以提供一定的参考价值。该论文有图18幅,表11个,参考文献44篇。