在电力系统中，避雷器起到了至关重要的作用，是保证电网安全运行的重要设备，在雷电环境下可以避免冲击电压对设备造成重大危害。金属氧化锌避雷器拥有优异的保护性能和伏安特性，取代了其他的同类型的产品，得到了最广泛的应用。金属氧化性避雷器如果存在故障，会对电力设备的运行造成极大的影响。如今在线的避雷器监测措施为通过检测泄漏电流中的阻性分量进行判断是否存在故障。而相比之下红外检测技术更加方便，无需接触，更加高效。
　　主要研究如下方面的内容，对故障的特点进行了分析，并且对红外线的检测方法和检测需要的条件进行总结。采集图像后对红外图像进行预处理，提取二值图像。并且分割避雷器的底座和保护罩，最终提取避雷器的位置。确定了避雷器的位置后，讨论了两种金属氧化锌避雷器的故障诊断方法。第一种方法是在提取避雷器图像位置的信息后，舍弃边缘部分，截取其内接矩形，通过矩形图形提取温度信息，计算温度的平均值和最大值，结合带电设备红外线规范，研究识别故障的方法。第二种方法是对图像进行分割之后，选择图像的纹理图像作为特征值，利用共生矩阵提取特征值进行筛选，选择小梯度的优势，采用灰度分布不均匀，梯度分布不均匀性作为神经网络的输入层。然后对神经网络进行训练，并且选择数据对模型进行测试，测试结果证明该方法准确可行，是一种检测避雷器故障的有效手段。
　　基于温度的避雷器故障红外识别方法，可操作性强，明显地减少了测量误差，可以克服表面温度差异产生的误判。利用改进后的BP神经网络模型进行判断代替单纯的温度判断法，提取筛选纹理特征值，可靠性高，准确有效。