机车受电弓是电气化铁路电力机车从接触网上受取电流的装置,其滑板条与接触网导线直接接触,从接触网导线上受取电流供机车使用。受电弓状态的好坏直接影响到列车的安全运行,其故障甚至可能造成运输中断。随着高速铁路的飞速发展,对受电弓的可靠运行提出了更高的要求,实现对受电弓的智能检测具有重大意义。目前已有的受电弓检测技术主要是在线定点式的检测和安装在机车上的检测,通过安装在机车上的各种传感器、红外线设备、摄像机等装置对受电弓进行检测。本文讨论的预防弓网故障机车受电弓无线视频监测系统,通过无线传输系统对受电弓进行远程视频监控并实现各监控点的远程联网,应用计算机智能识别技术实现对机车受电弓状态的自动监测。本文在课题组静态拍摄的受电弓故障识别的基础上改进了项目在实验环境下的算法,将设备现场拍摄的图像进行数字图像处理识别,利用边缘检测、闭运算、边缘强度和模式匹配等方法实现对现场拍摄的受电弓滑板条较为准确的提取。改进了受电弓烧坏和裂纹故障的识别算法,针对现场图片与实验图片的不同以及现场故障的特点,运用白色像素的百分比、区域分割和裂纹的长宽度特征等方法实现对烧坏和裂纹故障的判别。在MATLAB中编程实现受电弓滑板条提取和识别算法,并利用该算法对现场照片进行了多组分析,验证了该算法在不同光线强度、气候情况下的识别能力,结果表明算法能够正确识别受电弓滑板条故障,算法具有一定的适应性。