1.一种列车车底螺栓的图像识别检测方法，其特征在于，包括以下步骤：

步骤1：使用labeimg工具打标签并进行图像增强操作，使用yolo‑v4进行螺栓目标模型训练；

步骤2：对拍回的图像进行螺栓的目标识别，截取螺栓，使用cv2.resize统一螺栓图像大小宽为800，高为600，即总像素点为480000；

步骤3：对螺栓图像进行滤波处理，使用opencv2中的cv2.bilateralFilter双边滤波函数进行预处理，其中过滤过程中每个像素邻域的直径设置为7，颜色空间滤波器的sigma值设置为135，sigmaSpace坐标空间中滤波器的sigma值设置为135；

步骤4：使用cv2.cvtColor函数将图像从RGB空间转为HSV空间；

步骤5：通过设置螺栓防松线的阈值来将HSV图像转为二值图，阈值的选取从事先储存的阈值库中选取，选择库中的第一组阈值，使用cv2.inRange函数提取出螺栓防松线；

步骤6：进行图像形态学操作，即对图像进行膨胀和腐蚀操作，首先使用OpenCV2中cv2.getStructuringElement函数创建卷积核，设置卷积类型为矩形，大小设置为(15，15)；

使用cv2.dilate进行膨胀操作，消去提取出的图形中的空洞，再使用cv2.erode进行腐蚀操作，保持图像原本的形态与大小；

步骤7：二值图边缘检测，使用cv2.findContours函数提取出边缘数据；

步骤8：迭代上一步提取出的边缘数据绘制最小外接圆，提取出最小外接圆圆心及半径参数，设置最小外接圆的面积，若圆面积超出阈值，则停止绘制当前图形，接着下一边缘迭代；

步骤9：绘制最小外接圆后，在圆的基础上绘制最小外接矩形，若图像中矩形只有一个，需要进行进一步的判断，保留结果为“OK”不进行输出，并保存此圆的面积，继续向下一组阈值迭代；

步骤10：若图像中有两个及以上的矩形，则提取对应外接圆的圆心及半径数据，计算两圆圆心的距离，设置阈值为两圆的半径之和的k倍，若距离超过设定值，则认为此组颜色阈值不符合要求，向下一组颜色阈值迭代；若距离未超出设定值，则继续进行后续检测；

步骤11：在得到的矩形参数中进行迭代，将矩形的角度数据进行两两相比，若出现两矩形角度出现偏差，此时保留结果为“BAD”先不进行输出，进行下一组颜色阈值的迭代；若两两之间的矩形角度无偏差，则认为该螺栓可能无松动现象，保留结果为“OK”；

步骤12：在最后一组颜色阈值迭代完成后，生成一个储存着所有可能结果和对应情况中圆的面积字典；对该字典进行迭代，若字典中存在“OK”，则提出“OK”对应的面积参数，与其余面积参数进行两两相比，若该“OK”对应的面积远小于其他面积超过n次，则认为该“OK”为无效数据，将该“OK”数据删除；若次数小于n，则最终输出未松动结果；经过迭代筛选，若字典中仍存在“OK”，则最终输出未松动结果；若字典中只剩下“BAD”，则最终输出松动结果。

2.根据权利要求1所述的一种列车车底螺栓的图像识别检测方法，其特征在于，所述阈值k设置为2；阈值n设置为3。