近年来,高速铁路在国内外快速发展,在交通运输中具有举足轻重的地位。接触网作为高速铁路的大动脉,是高速铁路供电系统的主要组成部分之一,是高速铁路系统中唯一的牵引供电网络。接触网支持装置工作状态的可靠性决定了牵引供电的安全可靠。小目标连接固定件作为接触网支持装置的重要组成,对保障接触网的安全稳定运行具有重要意义。本文的研究工作以6C系统中的接触网悬挂状态检测监测装置（4C）项目为依托,以检测车夜间采集到的接触网腕臂图片为研究对象,提出了一种适用于接触网小目标连接固定件,从定位到图片的前期处理到状态检测的三级级联检测架构。首先,针对接触网支持装置小目标连接固定件定位效果欠佳的问题,构建了包含接触网支持装置小目标连接固定件开口销和顶紧螺栓的定位数据集。基于SSD算法,依据接触网腕臂图片和连接固定件的特性,对模型的输入、层数、损失函数、default boxes等进行优化,设计了SSD512算法,实现了接触网支持装置小目标连接固定件的准确定位。然后,针对定位到的小目标连接固定件图片样本类别数目不均衡问题以及检测手段在复杂铁路场景适应性差,鲁棒性不足等问题,对小目标连接固定件图片进行了前期处理工作。为了避免类别不均衡问题给分类器带来的模型过拟合,基于DCGAN实现了小目标连接固定件缺陷样本的扩展,使样本类别达到了均衡;同时构建了用于小目标连接固定件语义分割模型训练的数据集,设计了U-Net8语义分割模型,并基于此实现了小目标连接固定件的分割,滤除了无关的图像背景,在缺陷样本不足的情况下充分利用了小目标连接固定件的正常样本,不需要扩展缺陷样本集,加强了模型的普适性、高效性和准确性。最后,基于VGG16设计了基于卷积神经网络的图像分类器和颜色分类器,用于实现小目标连接固定件的状态检测。设计了一种三级级联检测架构,并以开口销和顶紧螺栓为例,通过实验验证了所提方法的有效性和普适性。