1、伴隨著我國鐵路建設以及運營事業(yè)的發(fā)展，鐵路運輸不僅承載著我國經(jīng)濟的命脈，而且采用電氣化的鐵路運輸，具備環(huán)保、高效的特點。尤其是近年來霧霾天氣嚴重影響我國各大城市，綠色出行成為一種趨勢。今年政府工作報告中提出堅決打好藍天保衛(wèi)戰(zhàn)，這就更加體現(xiàn)了鐵路交通出行綠色環(huán)保的優(yōu)勢。鐵路的安全運營，需要牽引供電系統(tǒng)正常運行來提供保障，因此確保牽引供電系統(tǒng)的穩(wěn)定運行十分重要。由于我國鐵路里程較長，且大多處于室外環(huán)境中，所以單單靠人工巡檢已無法滿足鐵路的發(fā)

2、展需求。近年來圖像識別技術(shù)，尤其是深度學習和機器學習的快速發(fā)展，在圖像識別、圖像分類等領(lǐng)域取得了巨大突破。圖像技術(shù)的發(fā)展，也為非接觸式接觸網(wǎng)故障檢測，提供了新的思路。
　　本文采用圖像處理和深度卷積網(wǎng)絡的方法，定位出圖像中絕緣子的位置，并采用圖像局部膨脹與動態(tài)閾值二值化相結(jié)合的算法，檢測絕緣子破損。由于目前對接觸網(wǎng)絕緣子研究比較分散，沒有現(xiàn)成的絕緣子樣本庫，用來訓練分類算法或者卷積神經(jīng)網(wǎng)絡，所以本文首先對12000張檢測車采集到的

3、原始圖像數(shù)據(jù)，進行標記和處理，并制作成不同尺度的正負樣本集。
　　其次，訓練傳統(tǒng)的Adaboost級聯(lián)分類器和SVM分類器，使用訓練后獲得的模型對原始圖像中的絕緣子進行識別并截取。實驗表明該方法對絕緣子的識別率只有52.7％，無法達到對識別率的要求。在此基礎(chǔ)之上運用深度學習的方法，采用Caffe開源框架中的CaffeNet模型，并優(yōu)化模型參數(shù)，然后使用訓練得到的模型文件，分類絕緣子。經(jīng)過測試發(fā)現(xiàn)，該方法在測試時的識別率高達99.8

4、％，這種識別率可以滿足對絕緣子識別的要求。最終使用該方法將識別出來的絕緣子，從原始圖片上截取下來并保存，用來檢測故障的絕緣子。
　　最后采用模板匹配的算法和圖像局部膨脹與動態(tài)閾值的二值化處理相結(jié)合的方法，對絕緣子破損進行檢測試驗。對實驗結(jié)果對比發(fā)現(xiàn)，采用圖像局部膨脹與動態(tài)閾值的二值化相結(jié)合的方法具有較好的效果，能夠很好地區(qū)分出破損絕緣子。該方法可以為接觸網(wǎng)絕緣子故障的破損識別，提供一種基于圖像處理的解決思路，在一定程度上解決人工絕