城市轨道交通作为一种经济且大运量的交通工具,在世界各国的交通行业中都占有着非常重要的地位。随着近年来我国的城市轨道交通事业的高速扩张,轨道安全这一课题的重要性日益凸显,良好的城市轨道安全状态离不开扣件这一重要的连接件的状态,所以针对城市轨道上的扣件的定位、检测与分类十分关键。现如今,庞大的现代地铁网络对城市轨道交通安全检测不断提出新的目标和要求,必须长期有效地检测、维护线路以确保城市轨道交通的健康运行。对于这些繁重工作和客观需求,迫切需要一种高效、科学、自动化的检测方式来保证城市轨道交通网络的安全可靠。本文的主要研究内容就是针对近几年城市轨道交通的发展现状,提出一种扣件定位与分类检测办法。具体工作如下:首先研究了轨道图像采集及原始图像的预处理方法。第一步是对地铁轨道图像的采集,本文使用的地铁轨道检测设备为新型轨道巡检仪,它考虑了地铁轨道交通特有的运行工况后采用新式设计,可以根据不同的地铁线路实际情况选用合适的组件进行检测。预处理部分采用的算法是先将轨道图像灰度化,再对其进行图像平滑,高斯降噪。经实验可知图像预处理可以缩小图像的数据量,提高图像的质量,为后续的定位及分类工作降低难度。扣件定位是利用图像自动识别技术检测铁路扣件完好性这一过程中的重要步骤。本文利用城市轨道整体道床的特点,结合新型巡检仪在地铁整体道床上的应用,提出一种新的扣件定位办法。首先对图片进行压缩处理,然后进行Sobel边缘检测,再将处理后的图片灰度投影至Y轴,确定钢轨位置;最后将钢轨作为垂直坐标轴,结合扣件安装间隔规律,对扣件进行定位及提取。实验结果表明,该方法能够较好地过滤图像中的噪声,有效提取地铁整体道床上的扣件。为了能够准确描述出图像的关键信息并区分提取出的扣件图像,对扣件图像进行了基于灰度共生矩阵的特征值提取处理。对图像中的ASM能量、ENT熵、CON惯性矩以及COR自相关矩四种特征值进行提取,并对提取得到的特征值进行数据处理与分析。首次将灰度共生矩阵方法应用到城市轨道整体道床环境中,精简了图像信息并得到了能够准确描述扣件图像信息的特征值数据,为本文后续的扣件识别等工作奠定了基础。使用BP神经网络对上文采集到的四种特征值进行训练与扣件分类实验。实验结果显示本文对整体道床轨道图像进行的一系列处理可以实现对扣件状态的分类,且具有较高的准确率。