随着我国高铁里程的不断增长,高铁运维自动化的应用需求急剧增加。接触网是电气化铁路重要的行车设备,是保证高速铁路安全可靠运行的重要组成部分。接触网系统一旦发生故障将引发重大行车事故,给人民生命财产带来巨大的威胁与损失。现阶段,铁路部门对接触网故障的检测主要依靠技术人员以人眼看图的方式判断巡检车辆采集的接触网图像数据中是否存在故障,这样的检测方式受限于技术人员的个人经验水平、注意力的集中程度等诸多不可控因素,且存在故障筛查时间长、漏检风险高等问题。本文以高铁接触网悬挂状态检测监测系统(4C系统)安装在接触网巡检车上的高清工业相机采集的图像数据为研究对象,将前沿的深度学习与计算机视觉目标检测识别技术应用于高铁接触网悬挂与支持装置零部件故障检测任务当中,研究并完成了以下两项工作:一是以SSD网络和ResNet网络相级联的方式,实现了高铁接触网平腕臂绝缘子故障的自动化检测,经过高铁京广线岳阳东到长沙南区间实际数据的测试,本文得到的绝缘子故障检测模型实现了绝缘子93.9%的定位检测平均精度和94.2%故障分类准确率,在配置了NVIDIA TITAN Xp图形处理单元的服务器上,本文得到的绝缘子故障检测模型处理一幅图像的平均时间仅需33.8ms;二是在调研京广线多个铁路局供电段单位后,经过深入的需求获取与分析,设计并实现了一套高铁接触网4C故障检测软件,该软件能够实现高铁接触网4C无效数据的剔除、绝缘子与吊弦故障的自动化检测,并通过策略设计模式为更多零部件故障检测算法的扩展集成预留了编程接口。初版软件已在广铁集团广州供电段完成实测工作,为软件的迭代更新与推广应用奠定了坚实的基础。