中国铁路系统的快速发展,使得客运量与货运量大幅提升,这将会导致更多的设备故障和服务中断。在这些设备故障中,铁路道岔相关故障占据了铁路基础设施故障的绝大多数。如何监测铁路道岔的健康状况,降低其故障率,已成为亟待解决的重要问题。其中,道岔尖轨与基本轨之间是否密贴以及密贴的程度关系到行车安全,轨道发生位移、道床的变化等会引起缺口的偏移,偏移过大,会使得检查柱无法落入缺口,造成道岔不能给出表示,严重影响行车安全。因此,转辙机缺口大小是其健康状态的重要标志之一,对转辙机缺口进行实时监测具有十分重要的意义。目前道岔缺口检测,相关产品已经使用了很多年,常规技术相对成熟。但在当下现场工程应用中,基于图像处理的转辙机缺口检测方法遇到的主要技术瓶颈主要有:由于室外复杂环境,存在转辙机缺口拍摄图像局部曝光过度的可能,从而导致缺口位置提取失效的问题。同时,目前大多数现有转辙机缺口检测装置具有需要在表示杆额外增加标记的缺点,以及目前边缘检测技术存在的难以消除图像中噪声的问题。针对这些不足,本文以某铁路公司ZD6型电动转辙机与ZYJ7型电动液压转辙机缺口图像为基础,设计了一整套转辙机缺口的自动检测算法。本文的具体工作主要包括以下内容:首先,阐述转辙机缺口监测系统的构成,分析缺口检测原理,针对缺口检测模块,采用一种基于超像素的快速模糊聚类算法（Superpixel-based fast fuzzy C-means clustering,SFFCM）对缺口图像进行分割,SFFCM算法通过多尺度形态学梯度重建（multiscale morphological gradient reconstruction,MMGR）改善分水岭变换（watershed transform,WT）的过分割问题,即通过MMGR-WT获取超像素图像,然后与FCM聚类算法结合能够提高图像分割的效果,保持转辙机缺口图像边缘的清晰度和连续性。其次,利用Canny算子对分割后的缺口图像进行边缘提取,获取缺口图像的单像素边缘图像,该单像素边缘可以直接用于转辙机缺口测量。通过遍历单像素的缺口边缘图像进行转辙机缺口测量,利用算法对图像中转辙机缺口两端进行标记,从而实现转辙机缺口大小的自动检测。最后,仿真实验验证及分析。通过截取焦点区域以及SFFCM算法对缺口图像进行分割预处理能够减小转辙机缺口拍摄图像局部曝光过度导致缺口位置提取失效的问题;Canny算子能够保证单像素边缘的连续性与完整性,其检测结果可以直接用于转辙机缺口的测量。实验结果表明,该转辙机缺口检测方法与架构具有一定的有效性,且文中所提的一整套转辙机缺口自动检测方法法有效避免了需要在表示杆额外增加标示的问题,能够防止标识物粘贴效果不良等引入新的误差。