高铁接触网作为一种无备用的输电线路,其作用是向电力机车提供稳定电能,重要性不言而喻。在列车长期运行的受力震动和环境腐蚀等作用下,顶紧螺栓作为高铁接触网斜撑套筒的紧固件会出现松动和脱落的情况,能及时的检测出其缺陷状态对维护高铁接触网的安全有着重大意义。目前,越来越多的研究者将计算机视觉与缺陷检测相结合,从而完成了高铁接触网中部分零部件的缺陷检测。然而,像顶紧螺栓这样的微小紧固件的缺陷检测,其目标小,缺陷状态和正常状态差异不大,且缺陷数据样本量较少,现有的检测方法还不能很理想的进行检测。为了解决上述问题,本文提出了一种两阶段的级联结构对高铁接触网顶紧螺栓进行定位和缺陷检测。第一个阶段先对具有顶紧螺栓的斜撑套筒进行定位,从而解决直接定位顶紧螺栓这种微小紧固件目标小,检测精度低的问题。通过引入TDM模块、候选框K-means聚类,损失函数优化这三种方式对SSD＿300模型进行改进,并将改进后的SSD模型与SSD＿300,Faster RCNN以及YOLO v3算法进行对比实验,证明了改进的SSD算法对斜撑套筒定位具有更高的精度和速度,平均精度达到96.67%,检测速度达到42.5帧/秒。第二阶段采用Deep Lab v3 plus语义分割方法对顶紧螺栓的螺栓和螺柱进行语义分割,然后通过所提出的阈值法完成对顶紧螺栓缺陷状态的判别。引入语义分割,使模型只对螺栓和螺柱的语义信息进行分类,而非对样本的缺陷状态进行分类,从而有效的解决了缺陷样本数据较少,正常状态和缺陷状态差异不明显的问题。最终在验证集上的m Io U达到89.24%,平均检测速度达到34.7帧/秒。最终对两阶段进行级联并在测试集上进行测试实验,实验表明,本文提出的两阶段级联的高铁接触网顶紧螺栓缺陷检测方法的平均准确率为96.34%,平均检测速度为5.1帧/秒,总漏报率为1.43%,总误报率为6.52%,满足目前接触网4C智能线下检测的需求。并通过几个不同算法之间的对比实验,证明了本文采用语义分割和阈值法缺陷判别相结合的方法在对顶紧螺栓缺陷检测上,相对于采用目标检测直接进行缺陷分类的方法,在缺陷检测的平均正确率,漏报率和误报率上都更具优越性。