La detección precisa de vías de tren a partir de imágenes de vehículos aéreos no tripulados (UAV) es esencial para la inspección ferroviaria inteligente y el desarrollo de mapas ferroviarios electrónicos. Los algoritmos tradicionales de visión por computadora tienen dificultades con las complejidades de la extracción de vías de alta precisión debido a desafíos como las diversas formas de las vías, los ángulos variables y la información de fondo compleja en las imágenes de UAV. Si bien las redes neuronales de aprendizaje profundo han mostrado promesas en este ámbito, aún enfrentan limitaciones para extraer con precisión los bordes de las líneas de las vías. Para abordar estos desafíos, este documento presenta una red NL-LinkNet mejorada, llamada NL-LinkNet-SSR, diseñada específicamente para la detección de vías de tren. La NL-LinkNet-SSR propuesta integra un módulo de detección de bordes Sobel y un módulo de atención SimAM para mejorar la precisión y robustez del modelo. El módulo de detección de bordes Sobel captura eficazmente la información de los bordes de las líneas de las vías, mejorando la segmentación y extracción de los bordes objetivo. Mientras tanto, el módulo de atención SimAM, sin parámetros, enfatiza adaptativamente las características significativas mientras suprime la información irrelevante, ampliando el campo perceptual del modelo y mejorando su capacidad de respuesta a las áreas objetivo. Los resultados experimentales muestran que la NL-LinkNet-SSR supera significativamente al modelo original NL-LinkNet en múltiples métricas clave, incluyendo un aumento de más de 0.022 en precisión, más de un 4% de mejora en la puntuación F1 y un aumento de más del 3.5% en la media de Intersección sobre Unión (mIoU). Estas mejoras sugieren que la NL-LinkNet-SSR mejorada ofrece una solución más confiable para la detección de vías de tren, avanzando en el campo de la inspección ferroviaria inteligente.