1.一种轨道弹条扣件缺陷识别方法，其特征在于，包括：获取轨道的轮廓高度值；其中，所述轨道上设有弹条扣件；

采用颜色映射方法，根据轮廓高度值构建轮廓彩色深度图像；

从轮廓彩色深度图像中提取完整弹条扣件区域图像；

对完整弹条扣件区域图像中的缺陷弹条扣件进行分类识别；其中，所述缺陷弹条扣件，包括：扣件丢失、扣件异位、扣件折断、扣件螺栓松脱。

2.如权利要求1所述的轨道弹条扣件缺陷识别方法，其特征在于，所述获取轨道的轮廓高度值，包括：

采用线激光传感器，获取轨道的轮廓高度值；其中，所述线激光传感器安装在检测车上、并使轨道一侧上的弹条扣件处于线激光传感器的景深范围内。

3.如权利要求2所述的轨道弹条扣件缺陷识别方法，其特征在于，所述检测车的车轮内嵌设有与车轮同轴转动的编码器，且所述编码器输出信号线与线激光传感器信号输入线连接、用于为线激光传感器提供外部触发信号。

4.如权利要求1所述的轨道弹条扣件缺陷识别方法，其特征在于，所述采用颜色映射方法，根据轮廓高度值构建轮廓彩色深度图像，具体包括：根据轮廓最大高度值和最小高度值，确定轨道的轮廓高度范围；

以步长τ为颜色阶梯，将轮廓高度范围分为n段区间；其中，n＝(Zmax‑Zmin)/τ，Zmax为最大高度值，Zmin为最小高度值；

选择n种不同颜色存入颜色数组中，使每一种颜色对应于每一段区间；

根据颜色和区间的对应关系，确定高度值所在区间的颜色；

根据高度值和对应的颜色，构建轮廓彩色深度图像。

5.如权利要求4所述的轨道弹条扣件缺陷识别方法，其特征在于，所述高度值所在区间的颜色，包括：

其中，x为深度值；ni为第i种颜色，若ni的值不为整数，则取整数部分。

6.如权利要求1所述的轨道弹条扣件缺陷识别方法，其特征在于，还包括：判断轮廓彩色深度图像中是否包含完整弹条扣件区域；若弹条扣件区域不完整，则将相邻的包含不完整弹条扣件区域的轮廓彩色深度图像进行拼接，形成包含完整弹条扣件区域的轮廓彩色深度图像。

7.如权利要求1所述的轨道弹条扣件缺陷识别方法，其特征在于，所述从轮廓彩色深度图像中提取完整弹条扣件区域图像，具体包括：选择一张包含完整弹条扣件的彩色深度图像，标定左右边界Xb1，Xb2；

用大小为(Xb1‑Xb2)×m的窗口在彩色深度图像的Xb1至Xb2的左右边界范围内从上之下逐行滑动窗口，m为弹条扣件的高度，计算窗口内非黑色像素点的个数，当窗口内非黑色像素点的个数达到最大，窗口所在位置即为扣件区域，根据窗口上下边界在彩色深度图像中的行号定位弹条扣件的上下边界Yb1，Yb2；并根据弹条扣件的左、右、上、下边界确定弹条扣件在彩色深度图像中位置；其中，所述非黑色像素点代表该点深度值为有效值；

以Xb1，Xb1+δ作为左右边界，Yb1，Yb2作为上下边界，提取完整弹条扣件区域图像；其中，δ为设定参数。

8.如权利要求1所述的轨道弹条扣件缺陷识别方法，其特征在于，所述对完整弹条扣件区域图像中的缺陷弹条扣件进行分类识别，具体包括：采用预训练和迁移学习得到网络参数，并结合弹条扣件样本，构建基于深度卷积神经网络的弹条扣件缺陷识别模型；

将完整弹条扣件区域图像输入至基于深度卷积神经网络的弹条扣件缺陷识别模型中，获得缺陷弹条扣件。

9.一种轨道弹条扣件缺陷识别装置，其特征在于，包括：高度值获取模块，用于获取轨道的轮廓高度值；其中，所述轨道上设有弹条扣件；

彩色深度图像构建模块，用于采用颜色映射方法，根据轮廓高度值构建轮廓彩色深度图像；

扣件图像提取模块，用于从轮廓彩色深度图像中提取完整弹条扣件区域图像；

缺陷扣件识别模块，用于对完整弹条扣件区域图像中的缺陷弹条扣件进行分类识别；

其中，所述缺陷弹条扣件，包括：扣件丢失、扣件异位、扣件折断、扣件螺栓松脱。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1～8中任一项所述的方法的步骤。