近年来,高铁已经成为了大众化的交通工具,高铁摩擦片作为其中的核心零件,及时有效的检测出其表面的缺陷对行车安全具有重要意义。本文针对高铁摩擦片的表面裂纹是否存在缺陷进行检测,主要研究内容如下:（1）本文建立高铁摩擦片表面裂纹数据集,以工业CCD相机采集高分辨率下的2040张高铁摩擦片图像为基础,对其进行特征及缺陷类别的分析以及数据增强操作。对扩充后的图像进行标注,完成最终数据集的制作。（2）本文针对高铁摩擦片表面裂纹在缺陷检测中效率和准确率不高的问题,以YOLO v4网络为基础,构建YOLO-DUAL高铁摩擦片表面裂纹的缺陷检测模型。在YOLO v4的CSPDark Net 53主干特征提取网络基础上新增由多层池化层和卷积层组合而成的辅助特征提取网络。基于目标框加权融合算法对先验框的大小进行重新计算优化,选择K-means++算法对先验框的超参数进行聚类运算,使其适配不同尺度下目标的形态特征。改进后的YOLO-DUAL网络m AP值从YOLO v4网络的60.17%提升到了61.58%,m Io U从52.32%提升到了58.68%,相比提升了6.36%。因此,改进后的YOLO-DUAL网络结构能够有效提升高铁摩擦片表面裂纹缺陷的检测性能。（3）本文对YOLO-DUAL模型进行了轻量化处理,提出轻量型YOLOMDUAL缺陷检测模型,设计并实现了移动端高铁摩擦片裂纹检测系统。选取Mobile Net v3网络的前16层替换YOLO-DUAL中的CSPDark Net 53主干特征提取网络,将新增模块加入到YOLO-MDUAL模型的特征提取阶段。之后基于wxtools轻量级开发框架,将训练好的YOLO-MDUAL模型权重及参数进行移植整合,实现了移动端高铁摩擦片裂纹检测系统。改进后的模型对比YOLO-DUAL模型将参数数量从6300万降到了3200万,同时网络的实时检测速度提升2.29倍,最终满足在算力较低的硬件设备中实时应用。