为提高铁路机车闸瓦状态监测效果,提出了一种基于机器视觉的铁路闸瓦状态监测方法。首先搭建闸瓦图像采集预处理系统,实现对闸瓦图像的自动采集和分割预处理。然后设计改进了麻雀搜索算法对Canny算子参数进行优化,并利用改进Canny算子提取闸瓦分割图像边缘,以得到较为理想的闸瓦图像边缘特征。最后以此为基础建立闸瓦状态监测模型,利用优化后的RBF神经网络对提取到的图像边缘数据进行分类,从而达到监测闸瓦状态的目的。仿真结果表明,相比于其他监测方法,改进后Canny算子的闸瓦边缘提取效果更优,闸瓦状态监测准确率提高了14.7%~18.0%。