保持和维护轨道状态安全是保障列车安全运营的一项重要任务,随着近些年我国铁路建设的快速发展,铁路运输已呈现出高速、重载、运行密度大的新特点,使得当前主要采用的传统人工巡检的轨道检测方式已逐渐不能满足现阶段铁路繁重检测任务的需要。得益于近些年硬件和软件技术的长足发展,基于机器视觉的检测方式优势愈加明显,本文基于机器视觉检测技术通过对轨道图像进行分析与处理,完成对轨面缺陷和扣件缺失的检测以及对轨面缺陷的分类,并在此基础上搭建便携式轨件缺陷检测系统,实现对钢轨轨面缺陷检测与扣件缺失检测过程的集成。首先,利用伽马变换对图像光照不均情况进行调整,使用小波变换完成对轨道图像的分解,并在图像重构过程中增大图像边缘子带的权重以增强图像的边缘信息,利用对轨道图像灰度突变统计并结合图像列灰度累加分别完成对有砟轨道图像和无砟轨道图像目标区域的定位,然后根据轨道图像中各部分固定的位置关系完成对扣件区域定位。其次,使用隶属度函数并结合熵理论完成缺陷区域的分割并根据路径遍历法对缺陷区域边缘进行优化处理。针对轨面残留水渍这一特殊干扰情况,利用水渍区域和缺陷区域内灰度分布存在较大差异的特点完成对水渍区域的检测,并使用形态学处理与图像差值法对水渍区域轮廓进行剔除。通过提取缺陷区域的几何特征并结合BP神经网络理论实现对轨面缺陷的简单分类。然后,根据扣件作为标准工件具有特定尺寸和几何形状的特点,使用扣件弹条边缘轮廓曲线与模板图像进行匹配,完成对扣件缺失的初步检测。对于图像可能受遮挡情况,建立含扣件和不含扣件的正、负样本,并将测试图像与样本进行两次差分得到差值图像,使用最小分类器实现对扣件缺失的最终检测。最后,根据机器视觉检测系统的检测原理和实际轨道状态检测的要求,对便携式轨件缺陷检测系统进行初步设计,实现对不同检测内容的集成,同时在软件设计过程中增加了一些辅助功能以实现人机交互,便于操作者更好地完成检测过程。通过在既有线路上对便携式轨件缺陷检测系统进行现场实验,实验结果表明,本文的轨道检测系统具有一定的自适应性,能满足手推式的实时检测要求,可在一定程度上减少检测者工作量,提高检测效率。