基于深度学习的轮对缺陷超声检测图像自动识别算法研究与实现

一、引言

1.1研究背景

轮对作为铁路车辆、机车以及各类机械设备中至关重要的部件，承担着引导车辆沿钢轨运动、承受车辆与钢轨之间载荷的关键作用。在铁路运输领域，轮对的安全性能直接关系到列车的运行安全、运输效率以及旅客的生命财产安全。随着铁路运输向高速、重载方向的快速发展，对轮对的质量和可靠性提出了更为严苛的要求。

在列车运行过程中，轮对长期受到复杂的交变载荷、冲击载荷以及摩擦磨损等作用，极易产生各种缺陷，如裂纹、磨损、剥离、擦伤等。这些缺陷不仅会降低轮对的使用寿命，还可能引发严重的安全事故。例如，轮对表面的裂纹在列车高速运行时可能迅速扩