1、接觸網支持懸掛裝置作為高速鐵路架空接觸網的核心部件，其狀態(tài)好壞直接決定著懸掛系統(tǒng)的穩(wěn)定性，影響著弓網受流質量及列車運行安全。定位線夾作為支持裝置和接觸線連接的關鍵懸掛部件，是電氣沖擊和機械應力集中的部件之一，高速通過的受電弓對線夾的沖擊及振蕩會導致定位線夾出現螺母松動、脫落等不良狀態(tài)。一旦定位線夾故障，將直接影響牽引供電系統(tǒng)的安全性和可靠性。目前，現場推廣應用的懸掛狀態(tài)檢測裝置集中于絕緣子故障檢測和定位器坡度檢測等方面，而定位線夾的檢測

2、卻采用人工巡檢和人工判讀圖片兩種方式，效率及準確率低下。針對定位線夾不良狀態(tài)的檢測尚無實際應用的問題，論文開展了針對定位線夾巡檢圖像的智能檢測算法的研究。
　　本文以接觸網懸掛狀態(tài)檢測監(jiān)測裝置（4C裝置）得到的巡檢圖像作為檢測對象，研究分析了圖像處理技術在接觸網幾何參數、定位器坡度、絕緣子故障識別的應用，提出了基于圖像處理的接觸網定位線夾的目標識別及狀態(tài)檢測方法，完成了系統(tǒng)設計和用戶界面開發(fā)，實現了狀態(tài)智能檢測和缺陷預警，并通過對

3、實際線路數據檢測驗證了該方法的實用性和通用性。
　　論文首先對檢測圖像進行預處理，實現圖像去噪，增強及分割;然后基于結構特征和機器學習的方法實現目標的識別與提取;最后對定位線夾區(qū)域局部圖像處理分析，實現其缺陷狀態(tài)識別及預警。
　　在定位線夾目標識別中，基于Hough變換和形態(tài)學處理實現了支持結構線段檢測及合并，通過在線段端點區(qū)域檢測結構特征提取候選區(qū)域，在候選區(qū)域內基于機器學習實現了定位線夾目標識別與定位。
　　在定位

4、線夾狀態(tài)檢測中，通過提取定位器下邊緣和最大極值穩(wěn)定區(qū)域算法實現各螺母區(qū)域的初定位和精定位，并采用高寬比、矩形度和像素統(tǒng)計三個特征值組合的方法判定螺母狀態(tài)，實現定位線夾缺陷狀態(tài)的識別與預警。
　　最后，基于Microsoft Visual Studio平臺與OpenCV計算機視覺庫完成了定位線夾狀態(tài)智能檢測算法和用戶界面的開發(fā)，并對多條實際線路不同條件下接觸網懸掛狀態(tài)檢測監(jiān)測裝置的巡檢圖像進行測試，驗證了本文設計的定位線夾狀態(tài)智能檢