机车车顶状态检测是机车检测的重要环节之一。随着机车速度的提高、负荷的增加，它的运行安全问题也越来越为人们所重视。机车车顶不易被检查，但在机车运行一段时间后，表面会有很多不安全因素，如异物的存在、瓷瓶或受电弓等关键零部件的损毁，这些严重影响着机车的运行安全。当前，国内外还没有一套完整的设备可以对车顶表面进行自动检测。因此，本论文对机车车顶状态做了详细的研究。本文对机车车顶状态的自动检测主要分为：异物检测，关键零部件定位与检测，清洁度状态分析。首先需要生成无畸变车顶全景图像。因为面阵相机在采集大场景图像时存在严重且不易复原的畸变，所以本文采用多台线阵相机完成对车顶图像的采集。针对采集到的图像中由于车速发生改变而存在纵向畸变的问题，本文提出了基于车速的车顶图像校正方法。接着将校正后的图像基于金字塔结构多分辨率算子即可快速拼接成车顶全景图像。实验结果表明，该方法形成的全景图具有畸变小、精度高的优点，可以大大提高异物和关键零部件检测的精确度。针对异物检测问题，本文首先对图像进行SIFT特征向量提取。然后为加快图像处理速度将图像进行基于特征点的区域划分，并用改进后的RANSAC算子进行模板匹配。最后基于改进后的对称差分算法完成对车顶异物的检测，该算法与普通差分算法相比具有误检率低的优势。针对关键零部件的定位与检测问题，本文通过模板匹配准确定位出所有关键零部件后，再基于边缘检测与改进的Hu离散不变矩对零部件进行检测。实验结果表明，该检测方法受光照影响较小，且检测精度高。在分析清洁度状态时，本文采用了改进后的Kirsch快速算子，该算子较传统的Kirsch算子相比，具有运算量少的优点。本文所提出的机车车顶状态自动检测方法，在实验仿真中得到了实现，并且能够满足系统的实时性和准确性要求。该技术在机车低速行驶的检测段会有一定的应用前景。