动车检修能及时发现零部件潜在故障并进行维修,为动车的正常运行提供保障。开展动车缺陷智能检测研究,实现缺陷的自动定位、识别与告警,可以代替动车检修中大量重复的检测工作,提高检修效率,缓解检修工人的工作压力。目前国内采用的动车组运行故障动态图像检测系统雨天采集图像质量差,误检、漏检严重,检测效能难以充分发挥。本文面向动车缺陷检测中的裙板螺栓,开展裙板图像采集系统、螺栓缺陷检测算法以及软件的研究,设计并实现一个动车裙板螺栓缺陷检测系统。基于动车检修工作的应用场景,本文设计了自动导航车搭载下的裙板图像采集系统完成整组动车裙板图像的采集工作,并进一步基于检修车间光照强度、自动导航车运行速度以及导航车运行稳定性等因素进行考虑进行硬件选型与参数设计,实现了动态显著目标裙板图像采集。针对裙板螺栓缺陷样本少、特征学习难易程度不同的问题,本文提出了注意力引导下的螺栓缺陷检测算法,通过注意力的引入加强算法训练过程中对难学习特征的关注程度,起到特征引导的作用。实验表明注意力引导下的螺栓缺陷检测算法提升了网络对难学习特征的学习能力,达到了84.6%的检测精确率和92.7%的召回率。针对螺栓缺陷检测任务中正常螺栓与松动螺栓之间分类难的问题,本文提出了基于多任务级联的螺栓缺陷检测算法,在注意力引导下的螺栓缺陷检测算法获取螺栓图像的基础上,进一步利用语义分割和直线拟合对难分类样本进行分类,实现缺陷的联合判断。实验表明,基于多任务级联的螺栓缺陷检测算法与注意力引导下的缺陷检测算法相比误检率降低了7%-10%,漏检率降低了1%-5%。基于动车裙板螺栓缺陷检测系统智能化操作需求,本文设计并实现了螺栓缺陷检测软件,利用软件的集成作用,实现裙板图像采集系统的控制、螺栓缺陷检测算法的调用以及检测结果可视化和数据管理等功能。