【摘要】在单轨受电弓滑块厚度检测系统中，正确检测滑块厚度的前提是能在原图中正确定位滑块及标志物位置，但环境变化及标志物颜色的不同，为滑块及标志物的准确定位带来了复杂度。本文提出了一种基于Mask-RCNN的单轨受电弓滑块图像分割算法。该算法采用ResNet-FPN架构并添加了并列的Mask层，提升了算法的特征挖掘及表达能力；使用ROI Align替换原ROI Pooling层降低不同尺寸ROI特征图转换间的量化误差，提升特征到原图之间的映射精度即图像分割精度。在集中验证本文算法的准确度，其中受电弓与滑块的识别率达到100%，分割精度指标平均交并比(Mean IoU)为97.2%。