在阀厅不间断系统运维中对电力设备与环境进行在线监测,是排除设备运行隐患、确保电力生产安全的重要保障技术。本文面向电力系统状态监测与电力场景监控需求,针对电力设备故障多类型、多目标共现的问题,深入研究了基于可见、红外、紫外多源图像的故障检测技术,研究了过热、放电、明火检测等典型故障检测算法,设计开发了具有模块化特点与可扩展性的电力设备远程故障检测系统,为电力设备和环境状态监测提供了技术参考。针对红外与紫外图像下电力设备过热、明火、放电三种典型故障的检测问题,研究开发了一种基于静态温度特征分析的过热检测算法和基于动态特征分析的明火、放电检测算法。参照电力设备故障红外检测标准,给出了过热故障检测算法流程。对于明火与放电检测,选取了相应的动态特征类型,设计了动态特征分析方法。进一步,针对传统动态特征分析算法仅适用于单目标的问题,提出了一种基于启发式分类算法的多目标故障检测方法。解决了基于红外与紫外图像的多类型、多目标的电力设备故障检测问题。由于自建RGB火焰数据集检测目标类型单一、训练样本较少,为了提高明火检测网络的精度与泛化性能,本文提出了一种含注意力机制的明火检测算法。将通道注意力机制引入Yolov3检测网络的深层,通过对特征图加权求和的方式捕获了深层的语义依赖关系,使深层的语义信息关注于火焰目标类型之上,提高了火焰检测的精度。本文还开发了一种烟雾识别算法,作为对明火检测的补充。以上述故障检测算法为基础,根据电力生产场景现有监控硬件配置与监控需求设计开发了一套电力设备故障检测系统软硬件平台,具体包括硬件平台、通信框架与软件平台,软件平台具体包括后台故障检测系统、监控客户端和自定义通信协议模块。通过软硬件中间层的设计提高了系统的可移植性、灵活性和可扩展性。最后利用自建数据集和现场故障模拟实验,分别验证了检测算法和系统软硬件平台的有效性。实现了电力生产场景下电力设备运行状态的智能化、自动化监测。