高速鐵路近年來(lái)的快速發(fā)展，帶來(lái)的接觸網(wǎng)檢測(cè)任務(wù)日益繁重。傳統(tǒng)的人工檢測(cè)已經(jīng)滿(mǎn)足不了路局日常檢測(cè)的需要，實(shí)時(shí)在線的自動(dòng)檢測(cè)技術(shù)迫在眉睫。目前來(lái)看，雖然在接觸網(wǎng)圖像檢測(cè)這一塊的研究和論文有很多，然而實(shí)際應(yīng)用卻不多，或者效果不盡人意。究其主要原因在于接觸網(wǎng)零器件的復(fù)雜和背景環(huán)境變化的劇烈，尤其在高速條件下，使得圖像的處理與識(shí)別變得十分困難。本文通過(guò)使用機(jī)器學(xué)習(xí)中的算法：支持向量機(jī) SVM 分類(lèi)器，來(lái)完成接觸網(wǎng)圖像檢測(cè)中的應(yīng)用的研究。在文章中首先介紹了支持向量機(jī)的算法原理，然后介紹了當(dāng)前主流的幾種圖像特征提取理論。并以受電弓碳滑板檢測(cè)與接觸網(wǎng)支持裝置上的絕緣子檢測(cè)及接觸網(wǎng)定位器定位為例，通過(guò)程序流程的描述，闡述了支持向量機(jī)的具體應(yīng)用方法。最后以 C++與 OPENCV 庫(kù)為平臺(tái)完成實(shí)驗(yàn)的驗(yàn)證，并得出實(shí)驗(yàn)結(jié)論：支持向量機(jī)在接觸網(wǎng)碳滑板圖像檢測(cè)中，在犧牲部分查準(zhǔn)率的情況下，可以達(dá)到較高的查全率，能滿(mǎn)足碳滑板安全性的檢測(cè)要求；在絕緣子檢測(cè)中，對(duì)比了不同核函數(shù)情況下，不同支持向量機(jī)的分類(lèi)效果，其中高斯核比較適用于依據(jù)灰度共生矩陣為分類(lèi)特征的向量機(jī)；在定位器坡度識(shí)別時(shí)，SVM 可以實(shí)現(xiàn)定位器的快速定位，增加檢測(cè)效率?？梢?jiàn)在支持向量機(jī)在接觸網(wǎng)圖像檢測(cè)中，具有較高的應(yīng)用價(jià)值。其關(guān)鍵在于：一。妥善解決部件的圖像分割;二。選取最適合的圖像特征進(jìn)行提取;三。需要數(shù)據(jù)量足夠的樣本庫(kù)支持；在解決了這三個(gè)關(guān)鍵點(diǎn)后，支持向量機(jī)就能快速識(shí)別出故障圖片，做到實(shí)時(shí)自動(dòng)檢測(cè)。