弓网系统是电力机车从牵引供电系统中获取电能的重要组成部分,其健康状态直接影响电力机车受流质量,弓网燃弧是弓网系统健康状态的一个重要体现因素,实现弓网燃弧的视觉检测和智能状态分析,对弓网系统的智能运行维护具有重要意义。本文构建弓网燃弧数据集,并对弓网燃弧检测及分析过程中涉及到的关键技术进行研究,包括基于深度神经网络的弓网燃弧实例分割和基于前景、背景联合决策与质心匹配的弓网燃弧状态分析等。为满足本文弓网燃弧实例分割算法训练的数据需求,针对现场采集数据总量庞大、噪音数据多、覆盖场景不全面、单帧图像中燃弧实例稀少等问题,设计弓网燃弧数据集构建方法。依据弓网数据噪音特性顺序采用自动清洗和人工清洗过滤噪音图像,使用Labelme对图像进行分割标注,采用数字图像处理、Simple Copy-Paste和Self-Training三种数据增强方式生成多场景图像数据、提高数据有效性,完成弓网燃弧数据集构建。为实现弓网燃弧像素级细粒度检测,在Blend Mask实例分割网络基础上,设计适用于弓网燃弧检测的的深度神经网络模型Arc Mask。针对弓网燃弧检测中燃弧形状多样、速度要求高、背景复杂多变等问题,分别采用在骨干网络中加入可形变卷积、替换特征金字塔网络为双向特征金字塔网络、设计基于注意力的多尺度特征融合模块等多种网络改进方案,从而提升弓网燃弧检测的效果和速度。为实现基于可见光图像的弓网燃弧状态分析,探索前景、背景联合决策的弓网燃弧能量等级检测方法,减轻背景对能量等级判断的干扰,设计序列帧中燃弧质心匹配计算方法,结合弓网燃弧能量等级和匹配结果可计算电力机车运行控制区段内燃弧相关测量值。为验证本文设计的弓网燃弧检测及状态分析方法的效果,对Arc Mask进行消融实验,评价验证Arc Mask网络每一个改进,并展示弓网燃弧状态分析结果。实验结果表明,本文设计的弓网燃弧检测及状态分析方法不仅能实现弓网燃弧像素级细粒度检测,还能够较好分析燃弧状态,为弓网系统的自动化和智能化在线监测提供丰富的信息。