随着中国铁路事业高速发展,铁路沿线遍布全国各地,牵引变电站所处的环境复杂多变。因此变电站内绝缘子会受到降雨、雾霾、冰霜等气候影响,容易发生老化或堆积污秽等问题,导致电阻发生改变,从而出现沿表面放电或击穿空气的闪络现象。若是闪络放电频繁,会引发变电站线路跳闸、火灾等重大安全事故,于是闪络成为牵引变电站常见的安全隐患之一。因此,开展研究变电站绝缘子闪络现象,识别报警现场闪络,记录闪络频率,分析天气变化对绝缘子闪络的影响因素,预测闪络发生概率等相关研究,对于牵引变电站的安全有着重要意义。论文所设计的系统主要分为远程交互端、服务器端、本地数据处理端三个部分。远程交互端主要向工作人员提供系统的功能操作窗口,以及预览视频、报警信息、预测分析等数据展示。服务器端部署了数据库,负责调配存储系统的数据信息,以及负责控制系统的通信部分。本地数据处理端负责调控现场摄像机,并且对调取的绝缘子录像作实时分析以监测闪络现象的发生。在绝缘子闪络监测技术方面,收集整理了变电站现场有关绝缘子的监控视频,在程序中利用opencv库将视频逐帧拆解为图像并打包,把分类好的视频包输入C3D神经网络提取特征信息,然后将输出直接放入MIL排序模型进行训练,以得到异常视频检测学习模型。在系统中,利用厂商提供的SDK库对摄像机进行二次开发,调用变电站现场的实时监控录像;再将实时录像拆解为视频包输入学习模型后,运用分层背景减除方法逐帧提取学习模型输出的异常视频包前景,计算统计异常物体边缘像素点与质心距离;将得到的距离信息运用小波变换的算法滤波,计算滤波后高频信号与低频信号的归一化比值;绝缘子闪络就是通过比较阈值与比值的大小来判断的。系统还会记录变电站绝缘子闪络频率,收集变电站现场的环境信息数据集,使用LSTM网络模型训练数据,以预测闪络现象的发生概率以及对各个环境影响因素做分析。论文研究设计的基于计算机视觉变电站绝缘子闪络监测系统实现了对变电站绝缘子闪络现象整个过程的识别、记录、分析。经过现场实验,该系统能够稳定、高效、实时地完成对牵引变电站绝缘子闪络现象的监测任务,识别率达到94%,并且成功预测到闪络现象的发生。