铁路是目前覆盖最广的交通工具,随着其应用层面越来越广泛,其通行安全问题是首要考虑的问题,列车状态的检测是目前安全交通中研究最广泛的方向,区间综合监控系统是保障铁路运行安全维护的重要系统,若其出现故障将产生不可估量的人员伤亡和经济损失,因此保证区间综合监控系统的正常运维是非常重要的,但是其故障数据各路局不直接提供给厂家,主要依靠工作人员现场采集数据,效率低下而且造成人力资源的浪费。其次设备厂家也无法通过接线的方式获取故障数据,因此采用机器视觉和人工智能对列车状态的检测是非常必要的。本文的主要研究内容有:（1）若发生占用丢失或故障占用报警,可能是区间故障也可能是设备故障,但是各路局不直接将故障数据提供给设备厂家,每次出现问题需要分析时都需要向电务段打报告,工作人员需要到人迹罕至的站点上拷贝数据,效率低下且资源浪费。为此本系统针对获取数据的方式进行改进,采用CTPN、CRNN算法对采集到的图片文字内容进行识别,采用无监督图片分割、霍夫算法和HSV空间模型对图片对图形部分进行识别,满足了对列车状态的服务器、CPU、通信站、占用逻辑检查和区段状态不同部分的检测,并可以基于检测结果对列车完整状态进行判断。（2）由于需要满足网络安全的要求,设备厂家不可以采取直接接数据线的方式获取采集的现场数据,而实现网络安全是一个庞大的系统性工程,铁总和各路局对于监测至厂家网络也没有相关规定和计划。为此本系统采用无接触单向方式获取数据,云主机的网络安全性比传统服务器要高,能够长期稳定运行,于是搭建了云主机平台,进行数据的采集和传输,同时将列车的运行状态图实时上传并带入算法得到识别结果并保存并将运行状态下发到用户端,实现了安全远端通信。通过对上述现状问题的分析和研究,针对图像中各个部分设计了不同的子界面和综合界面来识别列车状态,对于非接触式检测和数据传输的要求,用Python中的Django进行网站设计,设计了多过程列车状态检测的网站,并挂靠了云主机,系统的主要目标是可以检测闭塞区间的列车运行状态,并将检测状态进行实时的存储和查询。本系统的列车状态识别系统可以满足目前设备厂家对列车状态检测的需求,有很强的实用价值和意义。