在人工智能发展火热的时代,各种智能化技术发展火热,不断冲击传统产业的发展。中国铁路作为作为国民经济发展的重要基础性支撑,对中国经济的发展有着至关重要的作用。同时,最为中国最繁忙的路上交通系统之一,由于其运行速度快,运行环境复杂,容易造成严重的安全事故,威胁人民群众的生命财产安全。因此,除了严格把控铁路建设基础设施的各项安全技术标准外,对铁路系统进行智能化检测监测尤为重要。但目前提出智能检测监测系统还不够完善,技术指标不完善,大量的图像数据没有得到充分地利用,图像处理技术运用亟待完善。世界各国也在积极探索,以期在不断提高速度的同时,提供更加智能检测监测安全防控。随着列车速度不断提高,对检测监测的精度要求也不断提高。我国接触网检测技术发展起步较晚,虽然“中国速度”在不断的走出国门,但是检测技术运用还不够成熟,检测精度不高,很多检测技术还处于人工检测和辅助检测的阶段,铁路的智能化改造更是今后一段时间铁路发展的趋势。因此,本文主要对高速弓网综合检测系统中的关键技术进行研究,旨在提高检测监测精度,对未来接触网综合检测提供发展方向,具备一定的现实意义。本文的主要工作及研究成果如下:(1)深刻了解接触网检测各项检测监测技术标准,分析各项检测参数的应用技术范围,分析影响本文实验数据的主要因素为光照,为了解决不均匀光照问题,实验对比分析了直方图均衡化技术与多尺度视网膜技术优劣,最终确定将基于亮度的多尺度视网膜技术应用于本文的所有图像对比度增强,实验表明,多尺度视网膜增强预处理不仅能够把车厢号识别准确率提高了约15%,而且提高了ROI定位的召回率,得到了23%的提升。(2)基于场景文本识别技术设计车厢号自动定位检测框架,定位过程主要分为两部分,基于MSER与人工规则过滤的粗筛选过程,以及基于强弱种子分类以及SVM+人工特征的识别定位过程。实验结果表明采用HOG特征识别准确率达98.34%,基本达到行业应用标准。(3)基于BOF+SVM的受电弓关键区域定位。首先根据受电弓滑板区域的几何特性提出基于Canny+Hough的ROI区域粗提取过程,然后,通过k-means++对SIFT特征向量聚类构建视觉特征,SVM实现受电弓滑板区域的自动定位,实现了96%识别率,为行业提供了一定的技术指标对比,提高了图像利用率。