接触网及其附属部件的良好工作状态是高速列车安全运行的基本保障。由于其长时间处于工作状态,接触网的绝缘子和定位支座不断受到电气冲击及机械应力的影响,如果绝缘子和定位支座发生故障,轻则损坏接触网设备,重则将会直接导致高速列车的骤停甚至造成人员伤亡。目前,基于图像处理技术的绝缘子工作状态检测已有研究,这大大提高了设备巡检效率,节省了不少人力财力。然而,以往的检测方法基本是针对绝缘子片缺失或夹杂异物的研究,绝缘子破裂故障的研究较少,且定位支座的检测几乎为空白,因此有必要采用图像处理中机器学习的高效方法检测绝缘子和定位支座。在对以往接触网及附属装置检测方法、电力系统中绝缘子的识别进行研究以及对比人脸识别方法之后,本文利用接触网综合巡检车采集的图像数据作为样本的原始图像,利用LBP和HOG提取绝缘子的局部特征,接着采用机器学习的方法训练分类器对图像中的绝缘子进行精确提取,然后对绝缘子裂纹进行分析。同时采用基于ASIFT、SURF、ORB、FREAK四种特征匹配的方法实现了小目标定位支座的检测。首先对绝缘子的原始图像做了形态学运算等相关预处理,建立了以大量绝缘子目标和非绝缘子图像为基础的正负样本库,然后提取绝缘子的LBP和HOG特征。利用机器学习的方法提取图像中的目标绝缘子。分别将提取的LBP、HOG绝缘子的特征交给Opencv利用Adaboost算法训练出分类器,然后利用分类器模型在图像中进行绝缘子定位识别,对比发现LBP与Adaboost组合模型的绝缘子识别率最高。最后运用此模型对大量接触网图像进行绝缘子精确提取,利用多种经典边缘检测的方法和Canny检测算子提取出目标绝缘子边缘,对比发现Canny算子的检测效果最好,利用阈值化方法对角度校正后的绝缘子进行二值化,分割绝缘子和裂纹,采用连通域求面积和周长的方法计算绝缘子裂纹的几何特征,从而实现绝缘子裂纹检测。在定位支座的识别中,运用多种特征匹配的算法对定位支座进行定位识别,发现SURF算子性能更好。实验是利用OpenCV2.4.13库以及软件VS2013编程,通过对大量接触网图像进行实验测试,得出了 LBP与Adaboost模型在绝缘子检测时的有效性、绝缘子裂纹分析的准确性以及SURF算子对定位支座检测的可靠性。