电气化铁路的接触网运行状况与行车安全密切相关,高速运行的列车通过接触网获取电能,确保接触网处于正常工作状态对列车稳定受电至关重要。列车长期在高速状况下运行,振动、冲击以及外界恶劣环境对接触网支持装置的损耗不可避免,因此针对接触网支持装置中的零部件进行故障识别和缺陷检测非常重要。由于铁路具有线路长、环境复杂等特点,传统的检测车例行巡检以及人工定点检测等相关方式已经不能满足检测的实时性和可靠性等需求。随着高清成像和图像处理等相关技术的发展,以非接触式检测方法为主旨的检测车已经投入生产及应用。但是在目前的检测系统中,普遍存在漏检率较高以及识别精度较低等问题。随着我国铁路的大规模建设,相应的海量高清接触网支持装置照片也要求检测系统拥有更高的识别精度和检测速度。因此,有必要针对接触网支持装置中的零部件特性进行研究,进而提出有效的缺陷自动检测方法。本文针对国内外接触网动态检测技术发展现状进行全面分析后,充分考虑接触网检测中的工程实际应用,提出了针对接触网旋转双耳零部件实现状态检测的有效方法。针对无法应用传统投影法检测状态的旋转双耳销钉,提出一种基于环形对称Gabor变换特征的销钉松脱与缺失状态检测方法。对比MobileNet网络与SSD目标检测算法相结合的方式以及融合旋转不变LBP特征与HOG特征训练SVM分类器这两种方法,实现旋转双耳定位识别;对比分析基于卷积神经网络和基于Hough变换检测这两种方法完成销钉准确定位,实现销钉区域的分割;利用环形对称Gabor变换完成纹理边缘信息的特征提取,结合BP神经网络实现对旋转双耳销钉状态的判断识别。研究和实验结果表明,本文针对接触网旋转双耳提出的缺陷识别方法能够准确的识别和定位接触网旋转双耳销钉区域。同时对销钉状态判别具有较高识别精度,在销钉穿插方向任意和形状多样的复杂情况下实现了销钉状态的智能识别。