The main faults in surge arresters are commonly associated with current rises and, therefore, with heating by the Joule effect. Thus, thermovision is a very suitable technique for detecting defects in this electrical power system equipment. However, the use of thermovision to identify possible failures in surge arresters depends on an experienced operator to interpret the obtained results, which many times are subject to interpretation errors. This work aims to apply Artificial Intelligence techniques to classify surge arrester thermal images. Artificial Intelligence algorithms based on Artificial Neural Networks and deep learning techniques were developed for this purpose, considering that many authors have succeeded in using these methods in failure diagnosis in other equipment in the electrical power system. The results obtained showed that the neural networks developed by the backpropagation algorithm presented good efficiency when classifying surge arrester thermal images, and there is no need to segment the surge arrester from the thermal image to carry out the classification.Os principais defeitos em para-raios estão comumente associados a elevações de corrente e, por isso, ao aquecimento por efeito Joule. Assim, a termovisão nestes equipamentos é uma técnica adequada para a detecção de defeitos. Porém, tal uso da termovisão depende de um operador experiente para interpretar os resultados obtidos, sujeitando o processo a erros de interpretação. Diante disso, este trabalho tem como objetivo aplicar técnicas de Inteligência Artificial na classificação de imagens térmicas de para-raios como forma de tornar o processo mais confiável. Foram desenvolvidos algoritmos de inteligência artificial baseados em técnicas de Redes Neurais Artificiais e deep learning, tendo em vista que muitos autores obtiveram sucesso na utilização destes métodos no diagnóstico de falhas em outros equipamentos do sistema elétrico de potência.  Os resultados obtidos mostraram que as redes neurais desenvolvidas pelo método backpropagation apresentaram uma boa eficiência ao classificar imagens de para-raios e que não há necessidade de segmentar o para-raios da imagem termográfica para realizar a classificação.