1.一种列车制动系统故障图像的端到端实时检测方法，其特征在于：包括以下步骤，步骤1，采集列车制动系统图像并制作带有标注的训练图像数据库；

步骤2，通过骨干网络提取训练图像的多尺度特征；

步骤3，通过故障特征金字塔FFP对多尺度特征进行特征融合，所述故障特征金字塔结构FFP包括故障增强注意力模块FEA、故障瓶颈模块FBM和空洞故障瓶颈模块DFB；

在所述故障特征金字塔结构FFP中，

将骨干网络提取的不同尺度的特征图分别输入到相应故障增强注意力模块FEA中，由故障增强注意力模块FEA进行通道数的调整，实现对通道间相互依赖性的建模；

将顶层相应故障增强注意力模块FEA的输出经过上采样后与下层故障增强注意力模块FEA的输出相加，作为相应故障瓶颈模块FBM输入，并在上采样操作部分增加一条快捷路径与相应故障瓶颈模块FBM的主路径进行特征图的相加，作为故障瓶颈模块FBM的输出；

在顶层设置空洞故障瓶颈模块DFB，空洞故障瓶颈模块DFB中增加连续的膨胀卷积来获取更大的感受野，将顶层故障增强注意力模块FEA的输出特征图与获取的大感受野特征图相加；

步骤4，根据步骤2所得融合特征结果，通过检测头对故障进行定位和分类，然后使用损失函数训练实时端到端视觉检测器；所述实时端到端视觉检测器由依次设置的骨干网络、故障特征金字塔FFP和检测头构成；

步骤5，图像故障识别，通过步骤4中训练好的实时端到端视觉检测器对待检测的图像进行故障识别。

2.根据权利要求1所述一种列车制动系统故障图像的端到端实时检测方法，其特征在于：步骤1实现方式为，采用轨边图像采集设备实时拍摄列车制动系统图像，将采集的图像分为故障图像和非故障图像，并分开存储；对采集的图像中待检测的目标区域进行标注，制成列车制动系统故障数据库。

3.根据权利要求1所述一种列车制动系统故障图像的端到端实时检测方法，其特征在于：步骤2选择轻量级骨干网络进行图像特征提取。

4.根据权利要求1所述一种列车制动系统故障图像的端到端实时检测方法，其特征在于：所述故障增强注意力模块FEA，用于处理骨干网络提取的不同尺度的特征图，FEA通过对特征图的升维和降维操作实现对通道间相互依赖性的建模，获取不同通道具有不同权重的特征图，进而使后续网络更加关注高权重的通道。

5.根据权利要求4所述一种列车制动系统故障图像的端到端实时检测方法，其特征在于：所述故障瓶颈模块FBM用于特征融合，使用1×1、3×3和1×1的连续卷积，并增加一条快捷路径使上层带有丰富语义信息的特征图能直接参与到后续网络处理中。

6.根据权利要求5所述一种列车制动系统故障图像的端到端实时检测方法，其特征在于：所述空洞故障瓶颈模块DFB用于顶层没有上层传递的特征图情况，使用1×1、3×3和1×

1的连续卷积，在快捷路径中加入了连续的膨胀卷积来增加感受野。

7.根据权利要求1或2或3或4或5或6所述一种列车制动系统故障图像的端到端实时检测方法，其特征在于：使用损失函数训练实时端到端视觉检测器时，综合采用定位损失函数L1 loss和GIoU loss，以及分类损失函数Focal loss。