机车零部件中,螺栓起着固定各个部件与车体的重要作用。在机车运行过程中,车体振动、外力冲击和疲劳锈蚀等因素的作用,螺栓可能出现丢失、松动等故障,危及行车安全。为了保障机车运行安全,除了利用定期检修的方式,还可在铁路轨道自动化设备进行列车实时图像状态监测,应用于列车日常检修。但由于车底部件结构复杂,对于关键螺栓故障的排查仍需人工判别,排查效率和可靠性极大地依赖于检修人员的工作状态,检修质量无法保持稳定的水平,且难以评估。而目前,图像识别技术已广泛运用于人脸识别、行人检测和车辆检测等领域,取得了一定成效,其对于机车运行故障图像检测的意义是可以预见的。本文基于结合数字图像处理技术和图像识别算法,针对HXD2C型货车车底关键螺栓进行了检测算法的研究,实现了螺栓丢失故障识别系统功能,对于提高机车运行故障自动检测水平具有指导参考的意义。本文首先在调研图像识别技术和螺栓故障检测技术的国内外研究现状基础上,对车底图像进行了图像预处理算法研究,对两类螺栓区域图像进行了定位算法的研究和实现,为实现螺栓检测算法制备了分类样本库。其次,本文重点研究了两种基于图像识别原理的螺栓检测算法,分别是基于梯度直方图(HOG)特征的支持向量机(SVM)螺栓检测算法和基于Haar特征的Adaboost分类器螺栓检测算法,并采用两种算法实现了对钩缓装置挡板螺栓和心盘螺栓的检测。最后,在对比分析两类算法性能的基础上,实现了螺栓丢失故障识别系统设计,并进行了故障识别系统测试,结果表明：采用HOG-SVM螺栓检测算法的螺栓丢失故障识别系统识别率在90%以上。本文的研究为实现关键螺栓故障自动检测提供了算法依据,并整合螺栓检测算法实现了故障识别系统设计,测试表明其针对螺栓丢失故障识别准确率达到了预期,具有良好的应用前景。