随着我国高速铁路规模不断壮大,铁路运输方式成为我国主要交通方式。铁路运输的蓬勃发展不仅节约了大量的资源还提供了众多便利。受电弓位于列车车顶,是列车供电系统中最重要的部件。受电弓羊角保证着受电弓安全地通过接触网线岔处,防止受电弓钻入线岔而引发弓网安全事故,同时可以在极端条件下与接触线接触,保证列车正常运作。传统的检测方式效率低下,本文运用基于深度学习算法的受电弓羊角检测与分类方法,对受电弓羊角的异常情况进行在线检测与线下的分类与储存。本文对受电弓结构做了介绍,对相机进行了选型,进一步扩充数据集。在图像预处理中使用基于灰度特性的图像光照异常的分类,对其中过曝光、欠曝光图像使用基于Gamma变换与CLAHE算法的融合算法校正图像。对比各滤波方法,以PSNR作为滤波效果评价指标,双边滤波的效果最佳。在受电弓羊角的在线检测中使用了YOLOv4与Faster R-CNN算法对受电弓羊角的异常状态进行了检测。经过数据增强后使用labelimg对图像数据集进行标注,分别使用两种算法对比,结果显示深度学习方法具有高效准确性,在羊角的在线检测中具有显著的效果。使用迁移学习的方法克服了深度学习依赖庞大数据的特点,进行了受电弓羊角的线下分类与储存。考虑到工程实际中受电弓与检测相机的相对位置几乎不变,截取受电弓羊角区域图片并对其进行分类与储存,使用的算法包括Res Net、VGG和Mobile Net网络,通过实际实验验证,结果显示这些网络能够在羊角分类中有着卓越的表现,其中Mobile Net网络具有最好的表现性能。为了更好地提高使用效率,本文开发了受电弓羊角异常检测与分类系统,将本文的算法集成到系统里,实现了该系统更为便捷的使用。