动车在中国铁路客运中发挥着重要的作用,由于动车运行速度快,磨损、磨耗等问题相对突出,因此动车的日常安全养护至关重要,动车转向架轴端螺栓检测就是其中一项关键任务。目前轴端螺栓的检测主要由人工完成,但由于螺栓数量多、尺寸小,检测难度很大,因此研究一种基于图像处理的轴端螺栓自动检测方法对保障动车行车安全、减少人工劳动力具有极其重要的意义。本课题是对动车运行故障检测系统(TEDS)的延续性研究,通过分析轴端螺栓图像特征,制定了逐级缩小螺栓检测区域的策略,设计了基于图像处理技术的动车轴端螺栓自动检测系统。首先根据转向架区域特征,提出了一种基于灰度投影和霍夫变换结合的转向架区域自适应提取方法,采用图像二值化及形态学预处理方式增强了转向架区域特征;在此基础上,对提取出的转向架区域图像分别采用了双边滤波去噪及拉普拉斯算子增强的图像预处理方法,降低了噪声和光照对目标检测的影响;其次,利用霍夫圆变换和图像统计信息实现了轮轴区域的定位与提取,根据端盖区域特征,提出了一种基于区域划分的多灰度模板匹配端盖的识别提取方法,能有效实现端盖区域的精定位;然后,利用端盖中心与各螺栓的位置关系,划分了螺栓检测范围;根据螺栓区域特征,采用多灰度模板匹配的方法,实现了轴端螺栓的检测。最后,根据螺栓检测流程,设计并搭建了动车转向架轴端螺栓自动检测系统。使用实际动车图像进行检测实验,实验结果表明,该方法对动车转向架轴端螺栓检出率达到89.26%,同时大大提高了检测效率。将检测系统在北京动车段进行试运行,检测效果良好,满足实际使用要求,验证了所设计的轴端螺栓检测系统具有良好的工程应用价值。