侯博文，李佳静，高 亮，蔡小培

(北京交通大学土木建筑工程学院，北京100044)

在轨道交通大力发展的环境下，越来越多铁路轨道安全及运营维护问题也随之而来。伴随着轨道交通的大范围服役[1]，轨道病害问题不断出现[2]。尽管目前我国无砟轨道系统整体服役良好，但在列车循环往复动力及复杂环境条件的共同作用下，轨道结构在服役过程中也涌现出不同类型的病害，如若不及时发现处理，严重时会对轨道结构的安全服役造成极大隐患。因此，研究提出针对轨道病害的识别与评价方法具有重要意义。

作为钢轨与无砟轨道间的连接系统，扣件系统的服役性能直接关系到整个轨道结构的服役安全[3]。既有研究表明，当无砟轨道扣件系统出现诸如弹条折断[4-5]、扣件螺栓松脱[6-8]、扣件垫板窜出等病害后，车辆与轨道结构的相互作用会进一步加剧[9]，从而导致病害发展速度加快。以往研究中，针对扣件问题的检测方法大多通过人工巡检的方式进行，但该方法较依赖于巡道工人自身的职业素养与操作习惯，通常检测的效率及准确率低。

随着计算机技术的不断发展，广大研究人员提出了基于机器视觉的场景识别和扣件失效定位方法[10-12]。闵永智等[13]利用开关型中值滤波和基于图像梯度幅值的改进Canny 边缘检测方法，通过基于曲线特征投影的模板匹配实现了扣件缺失的实时检测。Singh 等[14]利用边缘密度来定位扣件和检测丢失扣件；戴鹏等[15]提出基于半监督深度学习的扣件缺陷图像识别方法，可快速精确定位扣件并识别扣件缺失、弹条折断、弹条移位3类缺陷。……