费垚东，李柏林，范 宏

（西南交通大学机械工程学院，四川 成都610031）

1 引言

铁路系统作为交通运输的主要方式，在国民经济发展和国防建设中扮演着举足轻重的角色。近年来，我国铁路系统得到快速发展，规模逐渐增大，截至2018年底，全国铁路运营里程已达到13.1万公里以上，其中高铁2.9万公里以上。高安全性和高可靠性是轨道交通永恒的话题，然而随着我国铁路营运里程的持续增加，传统耗时、费力的人工巡检模式已经不能满足现阶段铁路系统的养护要求，急需开发自动巡检设备以提高铁路巡检质量和效率。计算机硬件和图像传感器的发展，使得机器视觉技术在自动检测方面的应用成为可能。铁路公司也正试图将机器视觉技术引入铁路检测的许多方面，例如钢轨表面缺陷检测［1］、接触网故障检测［2-4］、货车故障检测［5、6］、扣件故障检测［7、8］等。

近年来，基于图像识别的零件故障检测［9］已经取得了一些成果，文献［10］中采用随机的Hough变换方法确定螺栓位置，进而通过灰度值判断螺栓是否丢失，但该方法扩大了感兴趣区域，计算量大，识别率低。文献［11］利用基于混合注意力子网络的卷积神经网络进行图像识别，从而判断螺栓是否缺失，但实验的步骤偏多，增加了处理时间。文献［12］用Sobel梯度法预处理图像后提取特征，再利用交叉核函数支持向量机分类，判断螺栓是否丢失，但该方法对噪声敏感。文献［13］基于降噪的LBP算法来提高铁路扣件识别的准确率，但识别速度明显降低。……