针对单一红外图像或可见光图像不能够实现全天候检测的问题，提出了一种梯度图像融合模型将红外和可见光图像进行融合。先采用加速稳健特征算法（speeded-up robust features，SURF）将两幅图像的特征点进行匹配。接着采样剪切波变换（non-subsampled shearlet transform, NSST）算法将待融合图像进行分解，形成具有高频分量信息和低频分量信息的图，再分别对绝缘子的高频分量图和低频分量图进行融合，实现局部融合。利用 NSST的逆变换对高频分量图和低频分量图进行逆变换，得到最终融合图，实现全局融合。对融合图像进行质量评价。采用最小二乘法直线拟合算法在二值图像的基础上来实现绝缘子的自爆检测；采用像素积分投影法来检测绝缘子片裂纹情况；采用颜色特征来检测绝缘子表面是否存在污秽的情况。通过实验对比单张图像和融合图像的检测结果的准确率。实验结果表明，采用基于融合图像的绝缘子自爆、绝缘子片裂纹、绝缘子表面污秽 3个故障的识别率分别达到了 95%、91%、90%，均高于单一的红外图像或可见光图像的识别率。

为解决现有测量接触网隔离开关角度的电子式传感器取电难、易受电磁干扰等问题, 采用光纤传感器设计了一款用于测量隔离开关角度的传感器, 利用以直代曲的思想, 将接触网隔离开关的旋转角度转换为光纤测距的方式进行测量, 采用曲线拟合算法对所设计的光纤角度传感器存在的非线性进行补偿, 并将补偿后的光纤角度传感器同高精度霍尔角度传感器一起安装在SBE27.5kV/2 000A隔离开关上进行试验测试。试验结果表明：相比于常用的BP神经网络, 经曲线拟合算法校正后的光纤角度传感器拟合度由92.47%提高到了99.94%, 线性度由9.66%提高到了0.84%, 光纤角度传感器的精确度达到了0.677。表明该方案具有较高的精确度和较强的可行性, 适用于对接触网隔离开关分合闸的检测。

传统的集中式人脸识别方法在时间效率和可扩展性等方面存在不足, 已经不能满足大规模实时人脸识别的需求。针对这个技术瓶颈, 本文提出了一种分布式人脸识别方法, 该模型由多个代理和一个服务器组成。代理能够同时对多个视频中的行人进行检测、跟踪以及特征提取, 服务器则对视频中的行人执行识别操作。针对代理处理的任务分布不均而导致处理视频时间过长、任务量过大引起的CPU利用率激增问题, 设计了代理的负载均衡来进行性能优化。利用代理统计处理的视频总数及每个视频中的行人数, 并将统计数据发送给服务器。服务器通过负载均衡将视频重新分配给每个代理进行人脸识别。实验结果证明, 分布式人脸识别有效地提高了人脸识别方法的效率和可扩展性。对一些较为极端的实验例子, 经过性能优化后, 代理中最大的CPU利用率降低近40%, 有效地缓解了时间延迟问题。