随着我国高速铁路事业的快速发展,对牵引供电系统提出了更高的监测要求。受电弓是高速铁路列车供电系统中关键的部件,其发生损伤和故障都会严重影响高速铁路列车运行的安全。列车长期运行过程中,因弓网接触不良产生的电弧以及受电弓形变导致的结构异常都是重点检测对象,而传统检测方式无法满足在线监测受电弓的要求。针对高铁受电弓电弧及结构异常的检测问题,本文提出了基于深度学习YOLOv3目标检测算法和图像处理技术的检测方法。首先通过深度学习YOLOv3目标检测算法,对车载受电弓监控摄像机中的目标进行识别和定位。由于检测目标的不同,分别设计了受电弓电弧检测模型和受电弓结构异常检测模型。在受电弓电弧检测模型中,提出了基于视觉显著性的图像分割方法,用于提取电弧或滑板轮廓。根据电弧灰度特征和滑板形态特征设计了电弧判断机制,实现电弧的精准识别和定位;在受电弓结构异常检测模型中,采用改进Otsu算法获取受电弓轮廓,并利用基于Harris的受电弓上边缘提取方法获取上边缘曲线,根据受电弓上边缘曲线的相似度判断受电弓状态,实现结构异常状态的检测。通过模拟高铁列车真实运行过程中的受电弓检测,完成受电弓电弧及结构异常的测试试验。经试验表明,本文设计的算法模型在准确性和实时性方面能满足高铁受电弓电弧及结构异常检测的要求。