电力机车在运行过程中通过受电弓滑板与接触网接触受流,滑板的健康状态将直接影响电力机车运行的稳定性。因此,为降低弓网事故发生率,提高列车运行的稳定性,对受电弓滑板健康状态进行高频次检测显得尤为重要。本文以轨道车辆受电弓滑板为研究对象,基于图像分析技术对受电弓滑板磨耗、裂纹健康状态特征进行检测。本文首先在了解受电弓工作原理、滑板检修项目、SJ弓网及车顶状态检测系统基础之上,对受电弓滑板检测系统方案做介绍,完成了系统硬件部份的选型介绍,并利用Matlab软件对选型相机进行标定实验,得到了像素坐标与空间坐标的转化系数。其次对滑板原始图像做了滤波、增强处理,得到了更清晰的滑板图像,采用改进的Canny算法对滑板磨耗边缘图像进行边界提取,并通过曲线融合技术将三条磨耗曲线进行融合,得到了受电弓滑板磨耗的健康状态特征。然后对预处理的裂纹图像进行二值化处理与腐蚀运算,得到裂纹骨架,并基于支持向量机对裂纹骨架和滑板污垢进行分类训练,最终正确识别出滑板裂纹骨架,并计算出裂纹长度。最后利用Visual Studio软件对受电弓滑板健康状态检测系统进行设计,完成受电弓滑板磨耗与裂纹的检测,并结合正常天气和雨雪天气下现场采集到的滑板图像,将人工检测结果作为对比实验的标准值,对系统滑板磨耗检测精度与裂纹识别准确度进行实验验证,实验结果显示,在正常天气和雨雪天气下,滑板磨耗检测精度分别为94%、90%,系统检测误差均在±0.3mm以内;在正常曝光环境和过度曝光环境下裂纹识别准确率分别为93.3%、80%,裂纹长度检测误差在±0.3mm以内。本文系统检测精度高于现场设备检测精度,因此可以达到滑板裂纹、磨耗精度检测要求。