在城市轨道交通中,制动系统的关键部件是列车的制动盘,其制动性能的优劣关乎列车的行车安全,是铁路安全运行的重要保障。近年来,由于列车不断提速,产生的动能急剧增加,在紧急制动过程中会产生大量的热能,制动盘由于制动热负荷作用将会产生热应力,从而出现热裂纹,如果不加防范,裂纹的长度和数量超过一定值后,将会引起重大的安全事故。因此,为了保障列车的运行安全,对制动盘进行有效的检测具有重要意义。目前检测裂纹的手段常采用人工检测和传统图像识别的方式,但人工检测受人为因素影响较大,例如:技术人员的专业水平和检测经验的影响,并且人工检测的效率低,劳动强度大。然而,图像识别方法(例如Sobel、Canny等)在光线干扰或噪声比较严重的情况下,无法很好的分割出裂纹,较难满足动态监测裂纹细节的需求。因此,设计高效准确的裂纹检测系统是未来发展的必然趋势。基于此,对裂纹进行自动检测系统应运而生。本文的目标是利用深度学习技术进行裂纹提取和特征描述,为下一步深入研究开展前期准备工作。本文主要研究了制动盘裂纹检测和裂纹特征定量化算法。首先,通过语义分割技术实现制动盘裂纹的精准分割。其次,采用形态学处理、孔洞填充、小斑块去除等对检测结果进行优化。最后,基于裂纹检测结果对裂纹特征进行定量化,得到相关的特征描述信息。