本项目旨在利用机器视觉技术开发一个高效的地铁刚性接触网导线磨损动态检测系统，以降低因磨损导致的供电中断或事故风险， 确保地铁安全运营。我国铁路网覆盖广泛，长度居全球之首，然而地理环境复杂，许多地区气候恶劣，如极端寒冷、高温和风沙，这些因素使人工巡查面临挑战。在列车运营期间，尤其是在夜间和高密度时段，工人面临巨大的安全风险。随着列车运力的提升和车次的增加，容易受到运行干扰，隐患也随之加剧。此外，人工巡查因时间和人力的限制，难以覆盖所有检查区域，而个人观察能力和经验又可能导致误检或漏检。因此，迫切需要一种自动化检测方案，以提升巡查效率，保障安全。
   本项目主要研究内容包括以下几个方面：首先，搭建检测平台，明确刚性接触网导线磨耗的检测要求，选择合适的相机、光学镜头、光源和运动控制设备，完成硬件搭建并在运动下获取导线图像。其次，提出了一种基于图像特征分析的均匀性测量算法，包括相机标定、图像滤波与增强、边缘检测和形态学处理，最终实现了对地铁刚性接触网导线的精确检测。
   此外，设计了YOLOv8模型用于导线缺陷检测，并针对样本不平衡问题提出数据增强方法，经过训练后，最优模型在识别断裂、磨损、接触不良和变形缺陷时的准确率分别达到了99.6%、98.6%、97.1%和96.8%，处理速度为每张图像25毫秒。同时，开发了基于检测流程的软件系统，包括系统标定、图像处理和检测主界面的可视化模块，满足工业环境下的实时监测需求。通过以上研究，项目成功搭建了一套基于机器视觉的地铁刚性接触网导线磨耗动态检测系统，为确保地铁安全运营提供了有效的解决方案。