作为铁路运输不可或缺的关键基础设施，钢轨需长期承受列车运行带来的巨大冲击载荷，同时在复杂多变的自然环 境侵蚀下极易产生各类表面缺陷，严重影响列车运行的安全，因此定期对钢轨表面开展全面的缺陷检测工作可及时发现潜在的 安全隐患，避免重大事故发生。然而由于钢轨缺陷数据的缺乏以及检测背景错综复杂等因素，导致现有方法检测定位精度较差。 针对上述问题，本文提出一种两阶段的粗糙到精细化级联检测策略，首先，利用视觉语言大模型在异常/正常语义学习方面的 优势，将其迁移至钢轨表面缺陷任务中得到粗检结果，为后续精细检测提供缺陷候选范围；然后，训练基于正常样本的图像特 征提取网络，获取具有代表性的多尺度正常特征聚类中心，最后，将粗检结果与多尺度特征进行特征对比，得到精细化检测结 果。实验结果表明，所提出的两阶段检测检测策略可显著提升缺陷检测定位精度，同时有效减少了减少错检和漏检现象的发生。 关键词：钢轨；缺陷检测；大模型；特征聚类