La detección precisa del robo de electricidad es crucial para reducir las pérdidas no técnicas en las redes inteligentes. Sin embargo, muchos de los métodos existentes basados en datos dependen de una única modalidad de datos, como la secuencia de consumo 1D en bruto o su imagen 2D transformada. Este enfoque de modalidad única puede no capturar completamente los complejos patrones espaciotemporales asociados con el comportamiento fraudulento. Para abordar esta limitación, este artículo propone un nuevo método de detección que integra Campos de Transición de Markov (MTFs) con una red neuronal híbrida. Primero, este enfoque utiliza MTF para convertir los datos de consumo en series temporales 1D en imágenes de características 2D, lo que mejora los patrones de transición de estado. Luego, se diseña una arquitectura de Red Residual Paralela y Memoria a Largo y Corto Plazo (ResNet-LSTM) para extraer simultáneamente características temporales globales de los datos originales 1D y características espaciales locales de las imágenes MTF, utilizando su representación fusionada para la clasificación. La validación experimental en un conjunto de datos del mundo real de la Corporación Estatal de Redes de China (SGCC), que comprende 6000 usuarios durante 304 días, demuestra la efectividad de nuestro enfoque. El modelo propuesto logra una precisión de detección del 94.0% en un conjunto de prueba independiente de 1200 usuarios, superando significativamente varios puntos de referencia de modalidad única de última generación. Este trabajo proporciona un nuevo método técnico para un sistema inteligente de prevención del robo de electricidad.