尼龙套是高速铁路接触网中吊弦的重要组成部分之一，它的缺失容易造成承力索烧伤，使铁路存在重大安全隐患。然而“尼龙套缺失”这一目标微小且所处环境背景复杂，往往需要依赖精妙的算子来定位且尼龙套缺失样本较少，使得识别困难。为此，文章采用“先检测再分类”的方法，提出一种基于YOLOv4目标检测和AlexNet图像分类网络的检测方案来识别尼龙套缺失故障。该方案首先利用YOLOv4检测出吊弦区域，然后通过接触网中固定的几何关系定位尼龙套区域，最后基于AlexNet网络进行分类判断，并数据增强方法解决样本不平衡的问题，大大提高了检测的准确性。通过这种方法可以避免单一目标检测算法对小目标检测识别率低的缺陷，并且通过简单的分类网络在避免人工提取分类算子复杂性的同时保证了算法的计算效率，满足实际运用中的实时性要求。文中所提方法具有较高的准确率和较低的误报率，可以运用在3C弓网检测装置中实现吊弦尼龙套缺失实时检测。