[1] [1] 1张承亮. 旋转机械故障诊断方法概述［J］. 科技情报开发与经济， 2008（26）： 191-193. doi: 10.3969/j.issn.1005-6033.2008.26.105ZHANGC L. Summarization on the fault diagnosis of rotating machinery［J］. Sci-Tech Information Development ＆ Economy， 2008（26）： 191-193.（in Chinese）. doi: 10.3969/j.issn.1005-6033.2008.26.105

[2] [2] 2程玉兰. 红外诊断技术与应用（一）［J］. 设备管理与维修， 2003（9）：41-43. doi: 10.3969/j.issn.1001-0599.2003.09.035CHENGY L. Lectures： infared diagnosis technique and application（1）［J］. Plant Maintenance Engineering， 2003（9）：41-43.（in Chinese）. doi: 10.3969/j.issn.1001-0599.2003.09.035

[3] [3] 3周可慧. 基于改进AlexNet模型的关键变电设备红外图像智能分析［D］. 广州： 华南理工大学， 2020.ZHOUK H. Intelligent Analysis of Infrared Images of Key Substation Equipment Based on Improved AlexNet Model［D］. Guangzhou： South China University of Technology， 2020. （in Chinese）

[4] [4] 4李军锋. 基于深度学习的电力设备图像识别及应用研究［D］. 广州： 广东工业大学， 2018.LIJ F. Research on Electric Equipment Image Recognition and its Application based on Deep Learning［D］. Guangzhou： Guangdong University of Technology， 2018. （in Chinese）

[5] [5] 5尹思宇. 深度学习在变电站电力设备缺陷检测中的应用研究［D］. 成都： 电子科技大学， 2020.YINS Y. A Research on Application of Deep Learning in Defect Detection of Power Equipment in Substations［D］. Chengdu： University of Electronic Science and Technology of China， 2020. （in Chinese）

[6] [6] 6杨浩. 基于深度学习的电气设备红外图像检索系统的研究与实现［D］. 南昌： 华东交通大学， 2020.YANGH. Research and Implementation of Infrared Image Retrieval System for Electrical Equipment Based on Deep Learning［D］. Nanchang： East China Jiaotong University， 2020. （in Chinese）

[7] A NASIRI, A TAHERI-GARAVAND, M OMID et al. Intelligent fault diagnosis of cooling radiator based on deep learning analysis of infrared thermal images. Applied Thermal Engineering, 163, 114410(2019).

[8] C WEI, F B TAO, Y D LIN et al. Substation equipment thermal fault diagnosis model based on ResNet and improved Bayesian optimization, 1-5(2019).

[9] [9] 9李文璞， 谢可， 廖逍， 等. 基于Faster RCNN变电设备红外图像缺陷识别方法［J］. 南方电网技术， 2019， 13（12）： 79-84.LIW P， XIEK， LIAOX， et al. Intelligent diagnosis method of infrared image for transformer equipment based on improved faster RCNN［J］. Southern Power System Technology， 2019， 13（12）： 79-84.（in Chinese）

[10] [10] 10郭梦浩， 徐红伟. 基于Faster RCNN的红外热图像热斑缺陷检测研究［J］. 计算机系统应用， 2019， 28（11）： 265-270.GUOM H， XUH W. Hot spot defect detection based on infrared thermal image and faster RCNN［J］. Computer Systems ＆ Applications， 2019， 28（11）： 265-270.（in Chinese）

[11] [11] 11刘子全， 付慧， 李玉杰， 等. 基于Mask-RCNN迁移学习的红外图像电力设备检测［J］. 数据采集与处理， 2021， 36（1）： 176-183.LIUZ Q， FUH， LIY J， et al. Electrical equipment detection in infrared images based on transfer learning of mask-RCNN［J］. Journal of Data Acquisition and Processing， 2021， 36（1）： 176-183.（in Chinese）

[12] [12] 12周仿荣， 马仪， 马御棠， 等. 基于电力设备红外图像的故障点快速识别算法［J］. 电力设备管理， 2019， （10）： 193-195.ZHOUF R， MAY， MAY T， et al. Algorithm of quick detection of fault locations based on electrical power equipment's infrared imagery［J］. Electric Power Equipment Management， 2019（10）： 193-195.（in Chinese）

[13] [13] 13王永平， 张红民， 彭闯， 等. 基于YOLO v3的高压开关设备异常发热点目标检测方法［J］. 红外技术， 2020， 42（10）： 983-987. doi: 10.3724/sp.j.7103116038WANGY P， ZHANGH M， PENGC， et al. The target detection method for abnormal heating point of high-voltage switchgear based on YOLO v3［J］. Infrared Technology， 2020， 42（10）： 983-987.（in Chinese）. doi: 10.3724/sp.j.7103116038

[14] J S KIM, K N CHOI, S W KANG. Infrared thermal image-based sustainable fault detection for electrical facilities. Sustainability, 13, 557(2021).

[15] C KWAN, B CHOU, J YANG et al. Deep learning based target tracking and classification for infrared videos using compressive measurements. Journal of Signal and Information Processing, 10, 167-199(2019).

[16] [16] 16王旭红， 李浩， 樊绍胜， 等. 基于改进SSD的电力设备红外图像异常自动检测方法［J］. 电工技术学报， 2020， 35（S1）： 302-310.WANGX H， LIH， FANS S， et al. Infrared image anomaly automatic detection method for power equipment based on improved single shot multi box detection［J］. Transactions of China Electrotechnical Society， 2020， 35（S1）： 302-310.（in Chinese）

[17] [17] 17李浩. 基于计算机视觉的电力设备红外检测研究［D］. 长沙： 长沙理工大学， 2019.LIH. Research on Infrared Detection of Power Equipment based on Computer Vision［D］. Changsha： Changsha University of Science & Technology， 2019. （in Chinese）

[18] [18] 18王彦博， 陈培峰， 徐亮， 等. 基于嵌入式深度学习的电力设备红外热成像故障识别［J］. 计算机系统应用， 2020， 29（6）： 97-103.WANGY B， CHENP F， XUL， et al. Fault recognition of power equipment in infrared thermal images based on deep learning with embedded devices［J］. Computer Systems ＆ Applications， 2020， 29（6）： 97-103.（in Chinese）

[19] M EKSTROM. Digital image processing. IEEE Transactions on Acoustics， Speech， and Signal Processing, 28, 484-486(1980).

[20] S Q REN, K M HE, R GIRSHICK et al. Faster R-CNN： towards real-time object detection with region proposal networks. IEEE Transactions on Pattern Analysis and Machine Intelligence, 39, 1137-1149(2017).

[21] K M HE, X Y ZHANG, S Q REN et al. Deep residual learning for image recognition, 770-778(2016).