高速铁路弓网系统（受电弓-接触网）作为高速铁路牵引供电系统的核心组成部分,直接负责为动车组传输供能。在弓网系统交互过程中,其直接的机械接触极易造成接触网支持及悬挂装置剧烈震动,从而导致接触网零部件发生“松脱-破损-断裂”等不同程度危害的机械故障。同时,接触网结构的稳定性将会降低,威胁整个铁路系统的安全运营。因此,研究先进的接触网零部件服役状态检测与监测方法,实现接触网零部件故障状态的提前预警,对高速铁路的安全运营与维护具有重大意义。2012年,原中国铁道部（现中国铁路总公司）正式颁布出台了《高速铁路供电安全检测监测系统（6C）总体技术规范》,标志着传统基于人工巡检方法的接触网检测正式过渡到基于计算机视觉技术的非接触式接触网智能检测与维护新阶段。为此,本文着眼于解决检测系统的实际问题,从检测系统功能的完整性角度,对整个检测流程中的关键环节“图像增强—零部件定位—零部件故障检测—结构参数检测”展开深入研究,取得以下工作成果:1)首先,接触网检测系统主要在夜晚线路天窗期对接触网设施进行图像采集,由于现场环境及自身补光系统等问题,图像往往会发生光照不均、照度低等情况,致使接触网零部件难以被有效检测,无法进行准确故障分析。因此,提出了一种基于传统Retinex光照分解理论和无监督学习的接触网图像增强方法。该方法的主要思路是:构建基于传统光照度分解理论Retinex的图像解耦网络分解出光照图和反射图,并引入自注意力机制,构建无监督自编码降噪网络对反射图中的噪声进行去噪,解决图像增强过程中噪声干扰问题;构建基于无监督生成对抗网络的光照增强网络,实现无配对样本下的低照度图像光照增强,解决实际检测中无法获取成对明暗光照图像的问题。实验结果表明,该方法能够很好地实现接触网低照度图像增强,便于零部件的识别和定位。2)其次,为实现对接触网不同组成零部件的缺陷检测,首先需要在接触网图像中准确地检测出每一个接触网零部件。然而接触网支持装置结构比较复杂,零部件种类多、且尺度差异大,既有深度学习检测网络框架无法实现对不同尺度零部件进行有效检测,特别是对小尺度零部件的检测。因此,提出了一种基于级联思想的改进Faster R-CNN接触网零部件目标检测网络。该方法的主要思路是:优化原始Faster R-CNN的特征提取网络,通过分析中间层特征图像,筛选出接触网零部件的最优特征表达层,实现对大尺度零部件的精确定位;利用大尺度零部件与小尺度零部件的安装结构关系,通过Faster RCNN特征提取网络提取的浅层语义特征层,构建一个小尺度零部件检测网络,并融合到大尺度零部件检测网络中,形成一个在统一框架下的多尺度接触网零部件目标检测网络。实验结果表明,该方法能够准确、快速地实现全种类多尺度的接触网零部件检测。3)然后,为准确检测接触网零部件状态,需要对每种零部件的故障样本进行采集,以满足故障检测算法的研究。理想情况下故障样本量充足,基于有监督学习的故障检测算法通常更加简单、高效。但是实际检测中往往无法获得足够的故障样本。因此,针对缺陷样本匮乏而无法直接采用有监督学习实现零部件故障状态诊断的情况,提出了一种基于无监督自编码的零部件故障状态诊断方法。该方法的主要思路是:运用图像分割网络实现对接触网绝缘子的分割,避免非目标部件的背景干扰;利用自编码网络的功能特性既目标重构和目标特征向量提取,构建基于无监督自编码的零部件分类重构网络,实现绝缘子的准确分类和故障提取;采用具有噪声的基于密度的聚类方法实现绝缘子污秽故障等级的评估。实验结果表明,该方法能够准确有效地实现绝缘子故障状态的检测与评估。4)最后,由于接触网支持装置频繁遭受受电弓的振动冲击,接触网零部件容易发生松动,导致接触网支持装置腕臂系统结构发生形变,进而引起定位器坡度变化,影响列车供电安全。然而,在复杂的接触网检测线路背景下,很难实现对接触网腕臂系统结构参数的有效检测,因此,提出了一种基于三维点云的接触网支持装置腕臂系统结构参数检测方法。该方法的主要思路是:利用接触网三维点云的深度信息,采用三维卷积神经网络,实现对接触网零部件区域高效、鲁棒的分割,避免接触网二维图像中零部件非物理连接区域遮挡问题;根据零部件分割结果,建立快速RANSAC平面检测方法,实现对接触网腕臂系统平面的检测;基于该平面检测结果,构建基于投影面的RANSAC空间直线检测方法,实现对接触网腕臂系统骨架部件轴线向量的提取和结构参数的精确检测。实验结果表明,将该方法可以克服检测线路背景干扰,实现接触网支持装置腕臂系统结构参数的高精度检测。论文针对接触网支持装置检测系统的实际问题,系统地对关键问题开展深入研究,提出了可行的理论和技术方法,为实际工程应用提供了重要的支持和借鉴,也为该领域的研究人员进行进一步深入的探索和研究,提供了必要的理论基础和研究思路。