断路器是泵站的核心设备,负责对泵站电机的安全供电,对其手车开关状态的自动监测关乎泵站安全运维、正常运行,更是智慧泵站建设中的重要一环.当前泵站断路器状态检测多采用人工定期巡检,针对其中存在的成本高、隐患大、误差多等问题,研究并提出一种基于机器视觉的泵站断路器手车状态智能检测方法.首先,基于VGG-16　特征提取框架融合弱监督学习,构建了字符级别的文字检测模型对断路器标志性文字进行检测;然后融合视频围栏算法实现断路器状态的分类检测.实验结果表明,提出的方法同时兼备检测速度快和检测精度高的特点,较好地克服了现有基于深度学习的图像分类算法对目标深度变化不敏感的弱点,并且在多种场景下对断路器手车推入、推出两种状态检测任务均具有良好的稳定检测性能.