基于光辐射的测温技术一般工作在热辐射较强的红外波段，基于光反射的测温技术虽然可以工作在可见光波段，但目前使用条件只限于暗环境下正入射单波长的光源，而电力设备工作在日光下难以使用该技术。文中通过数字图像处理技术和机器学习方法，将热调制光反射技术扩展到不需要正入射和固定光源的情况，利用日光实现常温电力金具表面温升识别。在日光下利用3种手机拍照建立了110 kV输电线路一种金具不同日光环境(每个温度下日光照度有3种)的图像库4 500幅，3种不同金具（每个温度下日光照度一种）的图像库每种金具1 500幅，提取每张照片的三基色灰度频率分布（RGB-GLH）为特征量，分别通过支持向量机、决策树法、梯度提升法和K近邻法4种机器学习方法，建立了表面温度的识别模型。交叉验证结果表明K近邻法最优，平均绝对误差适合识别一般金具故障的温升。文中还从材料电磁特性出发，根据电磁波反射规律探讨了日光下热调制光反射温升识别技术的原理，以及利用机器学习方法处理大数据矩阵的依据。