提高变电站智能化运维水平是保障电力系统稳定运行的有效手段,也是大力发展智能电网的必然要求。随着视频监控技术的推广,基于计算机视觉实现变电站关键设备状态的自动识别成为可能。本文主要研究了基于半监督学习的实时语义分割算法,从提高推理效率、降低数据标注成本两个角度出发,对语义分割算法进行了深入分析,并在变电站进行了工程应用。本文取得的主要研究成果如下:（1）构建了基于双路结构和图推理的实时语义分割模型。分析了影响语义分割模型推理速度的关键因素,总结出一系列实时语义分割模型的设计原则,并基于此构建了一种新型的实时语义分割模型结构。实验结果表明,该模型能够在高效推理的同时保持较高的分割精度。（2）提出一种新型的半监督学习算法——交叉平均教师。以平均教师算法为基础,通过交叉监督的方式解决模型耦合问题,同时构造两组不对称的教师-学生分支,使得模型学习到异质的知识,进一步提升了分割精度。实验结果表明,该算法仅使用小部分标注数据即可达到较好的分割效果,在学术数据集和变电站表计数据集上均超过了其他主流算法。（3）将理论成果应用于变电站表计读数识别任务。构建了真实场景的变电站表计数据集,针对变电站表计数据细节目标分割、粘连目标分割等技术难点,分别提出调整策略,将算法进行了较好地适配,解决了变电站指针式和数字式两类表计的自动读数问题。