1.一种高铁接触网斜撑套筒部件螺钉不良状态检测方法，其特征在于，包括以下步骤：步骤1：采用专用综合列检车对高速铁路接触网支撑及悬挂装置进行成像，将上行和下行的高清图像分别存储在两个图像库中；

步骤2：对采集的图像进行筛选，建立关于斜撑套筒部件的样本库，正样本是斜撑套筒图像，负样本是不包含斜撑套筒部件的图像；

步骤3：计算样本的HOG特征，利用AdaBoost算法和支持向量机算法训练分类器，实现斜撑套筒部件的准确定位；

步骤4：螺钉部件的分割，包括：

步骤4.1：通过对提取到的斜撑套筒图像进行平滑滤波和增强对比度的处理；

步骤4.2：利用Hough变换检测直线，提取Hough矩阵中前3个灰度峰值点，取其平均值作为套筒边缘平行线段的倾角，并将斜撑套筒旋转至竖直方向；

步骤4.3：选用Canny算子对旋转后的图像边缘进行检测，并在水平方向进行像素灰度值的累加，得到统计曲线；选取斜撑套筒边缘图像的水平中点为原点，对于螺钉朝左的套筒，位于原点左侧的像素累加值中最大值对应水平坐标所在直线即为螺钉的分割直线，反之，对于螺钉朝右的套筒，分割直线对应原点右侧的像素累加值中最大值的水平坐标；

步骤5：螺钉的两种不良状态检测，通过计算螺钉加上插口的长度判定脱落故障；根据薄螺母片的位置判定螺钉松脱故障，包括：螺钉脱落故障检测步骤5.1和步骤5.2：

步骤5.1：对分离得到的螺钉图像做二值处理和边缘检测，将螺钉二值图像在水平方向做像素累加，得到水平像素累积分布图；螺钉边缘图像在竖直方向上做像素累加，得到竖直边缘像素累加分布图；

步骤5.2：在水平方向上，根据像素累积值的分布确定螺钉的轴向长度，在竖直方向上，边缘像素累加值前两个最大值，分别对应螺钉纵向的两个边缘，通过求解螺钉的纵轴长度和直径的比值判定螺钉脱落故障；

螺钉松脱故障检测步骤5.3：

步骤5.3：用螺钉脱落故障检测中的方法求出正常和松脱状态下螺钉的水平像素累积分布，求解螺钉水平像素累积分布曲线的差分曲线，根据差分曲线过零的次数w判断螺钉松脱故障。

2.如权利要求1所述的一种高铁接触网斜撑套筒部件螺钉不良状态检测方法，其特征在于，所述步骤3具体为：步骤3.1：每一个检测窗口图像按空间位置被均匀分成若干个细胞单元，每个细胞单元大小为8×8像素；对于每一个像素点I(x,y)，采用简单的一阶模板在细胞单元中计算梯度大小m(x,y)和方向θ(x,y)，即在细胞单元内，按预先设定的量化间隔统计梯度直方图，梯度方向将0°～360°分为9个方向块，将每四个相邻的细胞单元按滑动的方式合并为一个块，相邻的块会有细胞单元重叠；对每一个细胞单元计算HOG积分描述子，将同一块中4个细胞单元的梯度直方图连接在一起，形成一个9×4＝36维的特征向量；

步骤3.2：在AdaBoost算法中，采用加权多数表决的原则，对错误率较低的分类器赋予较高的权值；在定位过程中，检测窗口在待检测图像表面滑动，计算窗口内图像的HOG特征，将特征向量通过级联分类器，若其中某一子分类器判定为非检测目标，则该窗口被拒绝，不进入下一个分类器的判定；如果窗口包含检测目标，则会通过每一级AdaBoost分类器，直到最后一级；

步骤3.3：在级联的AdaBoost分类器后再级联SVM分类器，解决训练数据集线性不可分时寻找最优分类超平面的问题，即式 中的凸二次规划问题，式中，ii(x,y)为积分图中(x,y)坐标点的值，i(x',y')为原图像中坐标为(x',y')的像素点的灰度值；

s.t.yk(wT+b)≥1-ξk

ξk≥0。

3.如权利要求2所述的一种高铁接触网斜撑套筒部件螺钉不良状态检测方法，其特征在于，所述步骤3.1中，还包括步骤：在一个块内进行直方图归一化，如式其中，ε为一个常数，归一化后的特征向量v对应于一个块的HOG积分描述子。