車載鉄道締結部の検出におけるトンネル内の照明不足、補助光の不均一および局所的な影による画像の明るさ不足、エッジのぼやけ、重要構造の識別困難という問題に対し、多スケール構造認識低照度画像強調ネットワーク（Multi-Scale Structure-Aware Network、MSA-Net）を提案する。本ネットワークはセルフキャリブレート照明ネットワーク（Self-Calibrated Illumination、SCI）を基盤とし、多スケール特徴抽出モジュール（Multi-Scale Feature Extraction Module、MSFE）により異なる受容野での照明、質感、エッジ情報を取得し、低照度構造認識注意モジュール（Structure-Sensing Attention Module、SSA）を利用してボルトの輪郭、スプリングの質感および締結部の境界応答を強化し、適応的残差融合モジュール（Adaptive Residual Fusion Module、ARF）により領域の劣化度に応じて強調強度を動的に調整する。福州沿岸高速線の低照度鉄道締結部データセットにてアブレーション実験、アルゴリズム比較および下流検出実験を実施した。結果はMSA-Netの標準偏差、平均勾配、情報エントロピー、自然画像品質評価および参照なし画像空間品質評価がそれぞれ46.39、30.49、4.88、21.36、26.34であり；モデルパラメータ数は0.016 M、計算量は9.782 GFLOPs、強調速度は302.39 FPSに達する。通常照明画像で訓練したYOLOv8検出器使用時、MSA-Net強調入力の精度、再現率、mAP@0.5およびmAP@0.5:0.95はそれぞれ86.10％、83.60％、85.80％および59.00％を達成し、エンドツーエンド処理速度は99.02 FPSである。低照度原画像で訓練したYOLOv8検出器使用時、四指標はそれぞれ88.10％、85.40％、88.60％および61.80％に達する。２つの公開低照度画像データセットでの実験は、本手法のシーン適応性をさらに検証した。提案手法はリアルタイム処理効率を維持しつつ、低照度締結部画像の品質と構造識別性を改善し、車載鉄道締結部検出に安定した画像入力を提供可能である。

低照度画像強調;鉄道締結部;多スケール特徴抽出;構造認識注意;適応的残差融合