随着电力电子变换器在各行各业的广泛应用,用户对其可靠性亦提出了更高的要求。为了提高变换器热设计的可靠性,需在设计验证阶段对变换器进行温度检测。基于红外热成像的测温方式具有获取温度信息丰富、覆盖面广、安全高效等优点,已被广泛应用于电路温度监测。但受限于红外热成像机理,元件在热图像中无法自动实现定位。本文将红外热成像和图像识别技术相结合,提出了一种解决红外热图像中电路元件定位的方法,进而实现了基于温度信息的电路故障自动检测。可见光图像分辨率高、图像清晰,将可见光图像与红外热图像相结合,采用深度学习领域的目标检测算法,既可精确地判断元器件的位置和大小,又可获取元器件全面的温度信息。本文研究了如何将目标检测算法与电力电子元件识别功能融合,制作了业内首个用于电力电子元件识别的数据集,对电路元件识别算法的模型进行训练,并引入平均精度均值和交并比等指标对训练结果进行了量化评价,实现了对可见光图像中电路元件自动识别和定位的功能。利用元件识别算法输出可见光图片中的元件位置信息,本文采用仿射变换将位置框配准到红外热图像中,完成了元件在热图像中的初步定位。针对红外热图像矩形位置框中包含元件部分和非元件部分图像的问题,本文进一步将位置框的局部图像进行阈值分割,提取出只包含元件的区域,以实现元件温度信息的更准确提取。在此基础上,本文采用温度序列检测法对元件进行故障诊断,将元件的最高温度、最低温度、平均温度和中值温度作为温度特征值,通过待测电路元件温度特征与标准电路参考温度进行对比计算,得到温度序列的失配率,根据多个温度特征值的失配率判断元件是否发生故障。接着提出了将温度信息反馈给电路控制器作温度闭环控制的方法。实验部分,本文以三相桥式逆变电路为例对上述设计进行了实验验证,实验结果证明了本文电路温度监控系统设计方案的可行性和准确性。本文是一次电力电子与图像识别跨学科交叉的创新性尝试,创新点在于:（1）建立了首个用于电力电子元件识别的数据集,便于研究人员开展后续的算法研究。（2）利用视觉算法自动识别元件种类并获取元件的温度信息（3）根据电路运行原理设计了电路故障诊断算法,并可将元件温度作为反馈信息用于电路控制。