接触网安全是高速铁路运输安全的关键问题之一,人工检测的效率低、成本高,必须探索自动检测方法。现有测距和目标检测方法包括双目视觉、特征识别、深度学习等,不能很好的适应接触网的拍摄和检测环境。为实现接触网安全隐患的自动检测,对危树、硬弯、燃弧等问题展开了研究,提出了基于机器视觉的接触网安全问题检测技术。危树判定的依据是树木分支与接触网支架的距离比较,由于铁路运输线路长,危树图像只能在列车上拍摄,无法获取稳定的双目视频或人工标注,针对以上问题提出基于纵向视差的危树检测方法。该方法根据树木区域的颜色特征和结构特征,采用多尺度的颜色阈值分割和分形维数计算方法,得到包含树木分支结构的树木子区域,借鉴双目视觉测距算法的基本思路,通过图像区域在前后两帧中的位移和摄像机的移动,估计区域到成像面中心的距离,利用该距离获取树木区域与接触网支架的位置关系对危树进行判定。接触线硬弯是线形结构上小半径、大弧度的弯曲现象,难以根据图像的基本特征发现和识别,针对这个问题提出基于直线拟合和距离积分的检测方法。该方法基于接触线的结构特征,采用距离变换方法提取图像骨架,利用连通性检测和直线拟合获得图像中线条中轴的直线方程,根据接触线的方向和半径特征识别可能的接触线结构,通过点到直线拟合结果的距离积分得到图像中线条弯曲部分的面积,以弯曲面积的比较实现硬弯判定。现有的燃弧检测研究主要根据燃弧的光学特性对紫外光图像进行分析,忽略了接触网部件信息,无法实现燃弧分类。由于燃弧形态不定,难以提取具体特征,提出基于机器学习的燃弧检测和分类方法。该方法根据燃弧和接触网部件的分类要求,采用两种不同的网络模型,利用ResNet网络对图像分别进行全局和局部的燃弧检测,综合判定得到燃弧检测结果,使用DarkNet-53网络对接触网部件分类,结合两次实验结果实现燃弧检测和分类。实验结果表明,危树检测、接触线硬弯检测以及燃弧检测和分类技术具有较高的准确率,漏检率、误检率、时间复杂度都在可接受范围内,本文的研究成果可以应用于接触网安全问题自动检测的实践。