本文从基于深度学习的电气设备故障诊断方法的研究出发,提出将基于深度学习的图像检索技术用于变电站的电气设备红外图像的智能诊断中,以此建立一个能够对变电站中大多数设备故障进行精确快速诊断的系统,适应智能电网建设中对变电站高度智能化的要求。本文对基于深度学习的电气设备红外图像检索研究的工作主要包括以下几个方面:(1)将基于深度学习的图像检索方法引入电气设备红外图像检索中。通过分析电气设备红外图像亮度和清晰度不高的特点,对电气设备红外图像增强方法进行研究和实验,最终选用Laplacian算子锐化方法对电气设备红外图像进行预处理,使得输入图像的PSNR值更高。为了提高检索精度,本文利用VGG16卷积神经网络对电气设备红外图像进行特征提取和图像检索。最终的实验结果与在CIFAR-10以及Oxford5k数据集上进行实验的检索结果相比显示,基于深度学习的电气设备红外图像检索系统具有一定的可行性。(2)将基于深度哈希的图像检索方法引入电气设备红外图像检索中。当图像数据大大增加时,将图像的特征转换为二值化哈希码建立索引可以使得检索性能更加优秀。本文在卷积神经网络中增加一层全连接层作为哈希层,设计一个基于深度哈希的电气设备红外图像检索方法,并对其中的损失函数以及汉明距离计算方法进行改进。将基于深度哈希的电气设备红外图像检索结果与LSH和ITQ方法实验结果对比得出,基于深度哈希的红外图像检索具有一定的优越性。对哈希码位数对检索效果的影响进行实验得出,48bits的哈希码在电气设备红外图像的检索精度上更优。(3)使用Flask框架设计并实现了一个基于深度学习的电气设备红外图像检索web界面,并在数据集中进行了实验测试。实验结果表面,本文的基于深度学习的电气设备红外图像检索web界面可以在数据库中检索出与目标图像相近的top-N张图像,满足了对电气设备红外图像进行图像检索的基本功能要求。