在电力大数据背景下，依托机器视觉和深度学习技术，从海量的红外图像数据中实现电力设备识别及发热故障诊断，已经成为该领域运维工作亟待解决的问题。该文以红外图像为研究对象，综述了基于传统图像处理和基于深度学习两类方法的红外图像中电力设备识别及发热故障诊断研究进展。首先，概述电力设备红外图像识别及发热故障诊断的发展历程及技术流程；然后，阐明基于传统图像处理的电力设备识别及发热故障诊断方法，从图像预处理、图像配准、图像分割、特征提取与分类、发热故障诊断5个方面进行归纳总结；阐述基于深度学习的变电站设备和输电线路设备识别及发热故障诊断方法，与传统图像处理方法相比，深度学习方法能够快速准确地识别电力设备发热故障；最后，指出基于深度学习的视觉技术在电力设备识别及发热故障诊断应用中存在的问题，基于现有的深度学习技术和最近的研究思路，对未来研究工作进行展望。