绝缘子是接触网支撑及悬挂装置的关键部件,起着悬挂装置中带电部分与绝缘部分的电气隔离及对悬挂装置的支撑作用等等。但是由于工作时间长,工作环境恶劣,绝缘子容易出现破损及夹杂异物的状态,轻则影响绝缘性能,重则造成跳闸,严重影响列车运营安全。本文首先概要描述了机器学习理论技术,多核并行技术发展历史及OpenMP并行开发方案,并对本文相关图像处理与识别技术展开介绍,包括高斯滤波、基于Canny算子的边缘提取技术、基于Hough变换的直线提取技术以及介绍多种图像相似度对比技术等。在此基础上,本文结合铁路局绝缘子异常检测需要,使用用例图的方式作出了系统需求分析和总体设计框架。在数据库设计方面,本文利用实体图及设计表格等方式对数据库设计进行说明。随后本文介绍了绝缘子异常检测系统的五个子模块设计与实现,分别为图像预处理模块、机器学习模块、异常识别模块、人工精检模块和多核并行检测模块。在图像预处理模块,系统通过随机概率统计的方式过滤过度曝光或曝光不足的巡检图片,通过提取直线信息对重复拍摄的图片加以剔除,并进行图像增强处理;在机器学习模块,系统通过对巡检样例图片提取特征进行机器学习建模,建立绝缘子结构级联分类器,识别绝缘子所在图片区域;在异常识别模块,系统基于Gabor滤波判断绝缘子偏斜角度,并通过灰度统计的方式判断绝缘子是否存在缺陷异常;在人工精检模块,本文通过时序图的方式展开设计,阐述了人工精检系统确定绝缘子缺陷异常的过程;在多核并行检测实现模块,本文结合OpenMP多核编程框架阐述多核技术在本系统各功能模块的应用过程。本文最后介绍了系统开发及测试环境,并分析系统各功能模块在不同分辨率图片、不同CPU核心数、不同应用场景等基础上的运行效果。实验证明本系统能在不同CPU核心的计算机上高效运行,并能以较高的处理速度和检测效率对绝缘子异常进行自动化检测,精检页面人机交互效果良好。