在开发的铁路扣件检测系统中，RBF-SVM被作为扣件图像分类识别的分类器。核参数的选择是RBF-SVM模型优化研究中的重要问题，将量子粒子群算法应用于参数的优化选择，在[(c,γ)]参数可调范围内产生初始种群，将种群中的个体作为RBF-SVM的参数进行学习；经过多次迭代获得最佳参数对[(c,γ)]，并将该参数对作为RBF-SVM的核参数训练支持向量机。实验表明，QPSO的性能优于传统的PSO算法，该方法在解决支持向量机优化方面表现出了高效的收敛性和稳定性，并且在该方法的基础上形成的铁路扣件检测算法是切实可行的。