高速铁路接触网是铁路电气化工程的重要构架。吊弦作为接触网中承力索和接触线之间的连接部分,维持着接触悬挂弹性和受电弓与接触线的良好摩擦,其状态的好坏直接关系着电气列车能否正常行驶。然而,随着列车行驶速度的提高,吊弦经常产生疲劳,严重时会产生断裂故障。因此对吊弦进行高效断裂检测,保证列车安全运行刻不容缓。现阶段对吊弦的检测主要依靠人工巡视或技术人员查看图像的方式来进行,这种方式效率低、周期长且漏检多。由此可见,基于现有图像分析技术开发一种非接触式巡检技术,利用计算机对断裂吊弦进行自动、高效、准确的识别具有重要意义。本文以现有的成渝客专下行线路中接触网安全巡检装置(2C)所拍摄的视频为研究对象,根据视频的时间序列特点,提出了一种基于吊弦端点定位的吊弦断裂检测方法。论文主要工作如下:首先,从视频的时间维度出发,设计了基于Inception-v2网络与结合注意力机制的循环神经网络的分类算法,实现2C视频中四种场景的准确分类。采用最能体现原始视频帧主要特征的1/4部分图像作为模型输入,以预训练Inception-v2网络作为特征提取器,提取图像的特征向量。之后将特征向量输入循环神经网络对视频帧进行分类,将同类别的连续帧作为该类别的片段,从而实现将简单场景片段从整段视频中分离出来。接着,为了精准定位吊弦位置,根据简单场景视频帧中吊弦的结构特点采用吊弦端点定位算法实现视频帧中的吊弦两端定位,获得吊弦所在的候选区域图像。同时根据视频中同一根吊弦会出现在相邻帧中的特点,对预测出现偏差的帧进行排查是否可剔除,实现了吊弦端点的精准定位。最后,为了实现吊弦的断裂检测设计了直线检测算法。对吊弦所在候选区域的边缘线段进行检测得到边缘线段集合,通过边缘线段的斜率及长度筛选出最可能属于吊弦的边缘线段。对挑选出的边缘线段所在直线的像素点进行遍历,根据其周围像素点灰度值情况判断其是否属于吊弦一部分。以满足条件的像素点总个数占候选区域高度的比例来判断候选区域中吊弦是否断裂。通过对实际线路数据检测,验证得到本文方法具有较强可行性与应用性。