电力机车车顶受电弓绝缘瓷瓶是确保机车车顶绝缘及车辆安全正常行驶的关键部件。受电弓瓷瓶定位检测是电力机车检测的重要一个环节。目前采大多用人工排查的方法,存在任务繁重、检测效率低、存在安全隐患等问题。因此,有必要研究一种新的检测方法,使其能准确定位瓷瓶,又能极大提高工作效率文主要对机车车顶受电弓瓷瓶定位检测算法进行了研究。考虑到受电弓瓷瓶有不同类型,本文分析和探讨BP神经网络和Adaboost两种基于训练学习的算法,对不同种类的受电弓瓷瓶进行识别定位检测。在利用神经网络算法定位检测受电弓瓷瓶中,提出根据瓷瓶的彩色特征,利用K-means聚类分割算法对瓷瓶图像进行分割的方法,针对受电弓瓷瓶区域特征,选择七个瓷瓶形状参数作为特征向量,然后利用BP神经网络算法对选取的特征向量进行训练,从而实现了一个图像中多个目标瓷瓶的定位检测,较之于基于梯度特征的瓷瓶检测算法提高了检测的准确度及定位精度。为了获得高速在线运行的机车的受电弓瓷瓶图像,本文在前人的基础上搭建了高速机车受电弓瓷瓶采集系统,适用最大车速可达160km/h。最后将基于AdaBoost的目标定位检测算法用于现场环境下采集到的受电弓瓷瓶,给出了实验结果及误差分析。实验结果表明该算法与模板匹配定位检测算法相比,提高了定位检测的稳定度和适用性。