在轨道交通产业蓬勃发展的背景下，铁轨表面损伤的实时检测对保障列车行驶安全具有重要意义。然而，以往基于人工的检测方法效率低且可靠性不足，为此以实时性更强、检测精度更高的YOLOv7-tiny为原始网络模型进行优化，结合自建铁轨表面损伤数据集进行训练和测试，提出一种改进的铁轨表面损伤检测算法。该算法对原始网络的改进主要包括：引入SiLU激活函数，提高网络的特征提取能力；在特征提取网络中加入轻量级注意力机制模块(CBAM)。这些优化在不改变模型大小、不影响实时性的前提下提高了算法检测精度。对照试验表明，改进算法对于不同类别目标的检测精度均较原算法模型YOLOv7-tiny提升4百分点以上；综合性能mAP值达到76.9%,较原模型提升3.9百分点。因此，优化产生的铁轨表面损伤检测模型明显优于YOLOv7-tiny,对轨道交通安全维护具有更高的实用价值。