配电网中的设备众多,且分布广泛,长期以来并未受到有关部门的重视,导致配电设备陈旧老化,装备技术相对落后。随着用电量需求的增大,配电网中的弊端逐渐显现出来。随着技术的不断发展,电力设各的在线监测已广泛应用于变电站、发电厂等电力系统中,并发挥了重要的作用。传统的电力巡检不仅耗费大量的人力物力,同时会因为巡检人员的主观因素导致对设备状态进行误判,再者由于很多配电设备所处环境恶劣,导致日常巡检不易进行,且存在很大的安全隐患。因此,本文提出了基于图像识别技术的配网设备在线监测系统,节省人力物力的同时大大地提高了巡检的效率。本文首先介绍了配网设备的状态监测系统。其次阐述了传统的图像处理技术,包括图像预处理技术、图像的特征提取、基于SIFT的图像匹配以及状态判断识别方法。然后本文重点介绍了特殊环境下的图像处理技术,包括图像的去雾处理以及低照度图像增强处理,并根据传统算法的局限性对传统的暗通道先验去雾算法和基于Retinex的图像增强算法进行了改进。在图像匹配环节,本文针对传统SIFT算法复杂度高的问题,提出了改进的图像匹配算法。最后,本文选定跌落式开关、真空断路器和空气开关三种配网设备进行了图像识别处理,实现了三种设备的状态判断。实验结果证明,本文提出的三种改进算法都能在保证处理效果的同时提高了处理效率,能应用于配网设备状态监测系统中。同时,本文针对三种不同的配网设备特征提出了三种不同的识别方法,在实验中取得了良好的判断效果,为后续的电网设备状态监测提供了思路。