受电弓是电力机车运行时从电网中取电的装置。在机车运行过程中,受电弓发生电气磨耗和滑动磨耗是不可避免的,当受电弓磨耗到一定程度后,容易造成拉网卡网或暂时性断电等,由此可能引发严重的铁路交通事故。因此,对受电弓磨耗状态进行在线检测在保证机车正常运行和电网安全等方面都具有非常重要的意义。目前,对电力机车受电弓磨耗的检测大多采用人工目测,这方法已经成为电力机车入库检修的一个必要工序,采用此方法必须停车,且费时费力。近年来,随着机器视觉相关软硬件技术的日趋成熟,使得采用机器视觉技术对受电弓的厚度进行非接触式测量已经成为一种可行的方法。采用机器视觉技术对受电弓形状进行检测,具有反应迅速、易于储存和再现、抗干扰能力强和易于做到实时控制等优点。本文的主要研究内容包括：首先,通过阅读大量的文献了解了国内外受电弓磨耗检测技术的现状,对所有受电弓磨耗检测技术进行总结分析,在此基础上创造性的提出了一种基于机器视觉的受电弓磨耗检测系统。因为电力机车在通过检测系统时速度具有不确定性,所以该系统选用了高速工业相机、稳定性好的工业闪光灯和抗干扰能力强的有源轨道车轮传感器作为主要设备。通过对现场安装环境和实际工程中理论安装尺寸的综合分析,在实际工程中对安装尺寸进行重新的调整,并通过现场的实时验证,获得了理想的受电弓磨耗图像。然后,根据现场获得的受电弓磨耗图像提出一种新的基于TRIZ理论的图像边缘检测算法,该算法在传统的边缘检测方法上引入TRIZ理论,根据TRIZ理论对算法进行重新构建,然后通过现场获得的图像对算法进行可行性验证,试验结果表明,构建的新算法能很好的获得图像的边缘,同时可以极大的降低噪声对图像的影响,提高了算法的实时性,能够很好的满足实际工程的应用,为机车检修人员提供了最新的检测数据以确保维修有效快速进行。最后,利用VC++和C#软件,开发出图像采集分析软件和用户应用软件,并给出了相关应用软件的界面。本文所开发的检测系统能够很好的完成检测任务,具有高效率、高精度、非接触等优点,对项目的现场实施具有一定的指导意义。