鐵軌扣夾為軌道扣件系統之重要組件，可將鐵軌緊扣在軌道上，對於列車能否平穩及安全的行駛影響至鉅。早期由道班工作人員徒步進行軌道巡查與維修，逐步調整為利用軌道巡查車方式進行，但仍依賴人力目視檢查，由於目視巡查受限於巡檢車車速及視察角度侷限，長時間目視可能產生視覺疲勞，導致巡檢效率無法提昇。本研究除蒐集國內外軌道檢測相關研究成果外，亦建立軌道扣件影像的擷取設備，包含攝影及照明設備，再將軌道扣件影像資料，透過影像標記處理，採用Yolo v3進行深度學習模型訓練，從測詴資料庫驗證正常與缺失扣件檢出率，建立一套扣件影像巡檢自動辨識系統，可用以檢測鐵路軌道扣件是否有缺失。在夜拍實驗中，影像擷取的部份，以兩盞200W LED探照燈投射，採用運動型攝影機GoPro進行拍攝，時速至少30km/h以上，共錄製70公里以上軌道扣件影像，經訓練與測詴後，可達正常扣件檢出率82.5%，缺失扣件檢出率74.5%，達到鐵路軌道扣件影像自動辨識檢測之目的，可輔助軌道巡檢並提昇巡檢效能。