随着铁路中长期规划的实施和国家对西部地区交通设施的进一步开发,在建及规划的西部地区铁路大幅增加,而作为电气化铁路牵引供电系统重要组成部分的接触网,起着向电力机车提供电能的作用,接触网绝缘子作为接触网应用最广泛的部件之一,使接触网带电导体之间或带电导体与地面之间有足够的距离和绝缘,同时可以对接触网进行机械支持与定位,因此绝缘子的好坏对线路的安全运行十分重要。接触网绝缘子在户外长期受到大气和各种环境的侵袭,绝缘子绝缘能力严重下降,使得电气化铁路的供电出现问题,造成更严重的事故。因此本文进行了以下几点研究:（1）本文对YOLOv3网络模型进行改进,将模型输入图像对其进行上采样,将图像进行放大,然后引入级联双注意力机制增强对数据集图像样本特征的提取能力,添加高斯函数提高模型的训练效果,对非极大值抑制方法进行处理,去掉对于同一个人工标注框的冗余的模型检测框,提高绝缘子检测的准确率,缩短绝缘子检测时间,完成复杂背景下接触网绝缘子的识别。（2）本文改变语义分割网络结构,进行剪枝,减少模型参数,使用下采样方法,降低特征图的分辨率,实现神经网络卷积层对图像细节信息的感知,关注小目标的检测效果。然后再使用上采样,采用转置卷积,将特征图分辨率恢复到原来的状态,由于绝缘子的分割或许会表现出各种各样的断断续续的连通域,改进后的语义分割网络,将转置卷积层数设置的越多,对图像的边缘检测效果越好,实现全卷积的分类网络,完成绝缘子分割,进一步缩短检测范围,提取出绝缘子区域。（3）接触网绝缘子表面容易积累污秽并诱发污闪,对电气化铁路的安全运行会造成隐患。本文针对绝缘子表面沙子、铁锈等污秽进行检测,改进基于纹理特征和可能性均值聚类的绝缘子污秽检测方法,使用灰度共生矩阵分别计算出沙子、铁锈等污秽类型的纹理空间相应特征向量,在聚类的基础上对实验训练样本进行软化分,不断增加对所属区域的约束,迭代所属区域矩阵和样本聚类中心,求出新的所属区域矩阵和样本聚类中心,对绝缘子可能存在的污秽进行检测,提高绝缘子污秽检测的准确率。经过实验,在绝缘子的污秽检测方面取得了较好的效果,可以较全面的针对绝缘子表面沙子和铁锈进行污秽程度检测,证明本文提出的方法具有可行性。