针对变压器故障样本稀缺致使人工智能模型识别效果欠佳，以及现有红外诊断技术存在小目标故障漏检率高等问题，提出基于并联运行特性的整流变压器红外图像异常识别方法。首先对并联运行的整流变压器开展一致性分析，制定出“对比-识别”红外图像异常诊断策略；其次，基于YOLO目标检测算法构建模型，对变压器五大关键部件进行分割；最后，利用区域生长算法定位变压器红外图像中的异常区域。实验结果表明：该方法能在零故障样本条件下实现变压器在线热故障检测，有效解决了小目标故障检测的难题，为变压器热故障检测提供了新颖可行的方案。
