为了适应铁路的快速发展，利用高科技手段研发了货车运行故障动态图像检测(Trouble of Moving Freight Car Detection System,简称TFDS)系统，代替了传统的货车故障检测方式。TFDS系统通过软件系统与硬件设备的结合，对列车侧部与底部进行拍摄，得到各部件的图片，设计一系列故障诊断算法接入TFDS检测平台，即可实现对各故障的检测，避免了传统人工列检作业方式的种种缺点。本课题根据TFDS系统提供的图片，利用数字图像处理技术，并结合模式识别思想，通过分析心盘螺栓故障部位特征，设计了一套高效、快速、识别率高的诊断算法，提高了TFDS系统的检测能力，丰富了TFDS系统的故障检测类型库。心盘螺栓故障诊断算法设计分为两大部分：故障位置定位和故障判读。综合利用模式识别、数字图像处理等多种技术完成程序设计。利用C++Builder6.0作为设计平台，设计了系统控制软件、测试平台等多个模块。通过对样本图片的细致分析，抓住图片特点，明确设计思路，综合利用图像拼接、角点检测、图像分割、灰度映射等多种处理技术进行设计，最终完成了定位及故障判读工作。整体算法满足实时检测要求，检测结果分为直接故障和疑似故障。所有检测结果均利用可信度指标对故障程度进行区分。通过对故障判读顺序进行合理分配，使得运行速度有了明显提高，检测结果更加高效，准确。算法封装利用动态链接库完成，故障编码从数据库中读取，简化了故障编码的维护和完善工作，保证了算法的通用性，适用于铁道部所有探测站，不局限于单一路局。论文最后描述了设计过程中以及后期的各项测试，验证了算法的可靠性。对算法的内存占用情况也进行了测试和控制，保证了算法程序的连续运行。