红外带电检测技术广泛应用于各类变电设备。按照行业标准,变电设备需每年执行1～3次红外检测,检测流程包括数据采集、分类存储、计算分析和撰写报告等环节,各环节均依赖人工完成,存在诊断结果主观性强、无法实时准确分析、工作量巨大等问题。区别于一般的数字图像,带电设备的红外温度图谱具有诸多独有特性。因此,基于已有海量数据,研究变电设备的红外图像实时化智能诊断技术,对于提高红外检测效率和诊断可靠性具有重要的研究价值和广泛的工程价值。首先,本文收集并标注了12684张样本图像作为数据集,分析了变电设备红外图像的统计特性,针对性地提出了变电设备识别模型的设计和改进思路。其次,基于变电设备红外图像的灰度稀疏性,本文提出了一种孤点过滤的稀疏卷积计算方法,并设计了专用于变电设备识别的轻量化模型结构,在提高计算效率的同时维持了识别的高准确率。然后,以设备自动识别模型为前提,提出了基于面域相对温差和局部温度图谱特征的设备缺陷诊断方法,实现了设备典型缺陷的自动判别。最后,本文研究了识别模型与智能诊断算法在嵌入式AI平台上的实现方法,开发了手持式红外成像诊断装置样机并开展了现场应用。论文的研究内容及取得成果主要包括:（1）提出了针对变电设备红外图像识别问题的模型改进方法。多角度分析了目标图像的统计特性,根据图像特性从数据格式化、图像预处理和模型轻量化三个方面提出设备识别模型的设计和改进方法,重点解决了目标图像对比度低、细节信息少、设备结构类似等造成的难以有效识别的问题。（2）设计了一种孤点过滤的改进稀疏卷积设备识别模型。研究了改进稀疏卷积的计算方法,使其具备减弱子流形膨胀和对背景信息不敏感的特性,基于该方法构建了适用于变电设备红外图像的轻量化识别模型,重点解决了高精度卷积神经网络方法计算量大的问题。（3）提出了基于面域相对温差和温度图谱特征的变电设备智能诊断方法。分别考虑现行诊断方法中的对比原则和经验原则,研究了面域相对温差和温度图谱特征相融合的诊断方法,面域相对温差实现了对现有指标的全流程自动化改进,温度图谱特征基于历史数据实现了深层温度特征的挖掘,二者优势互补重点解决了人工诊断主观因素较强的问题。（4）研究了变电设备智能诊断在嵌入式AI平台的实现方法,并开发了实时化分析装置样机。研究了改进的稀疏卷积方法的并行化处理方法,提出了计算资源动态优化方法,实现了红外数据流的实时化处理,开发了集成红外测温、设备目标识别、异常诊断和分析结果保存等功能的手持式智能诊断样机,并开展了现场应用,重点解决了设备状态精确分析周期长的问题。