动车组作为高速、安全、舒适的交通工具，其制造与维护成为了衡量一个国家铁路交通水平的重要标志。在动车组的众多组成部件中，转向架起着承载、牵引、导向等关键作用，其质量与性能直接影响着列车的运行安全与乘坐舒适度。动车组高级修中需对转向架系统进行分解修，对转向架上的各部件进行深度维修。为检验检修质量，需对重新组装后的动车组转向架各部件进行精细检查检测，传统人工检查的方式受人的人为因素和环境因素影响较大，存在因人员疲惫或疏忽导致漏检的风险。 转向架检修包括清洗、检修、装配和试验等多个环节，每个转向架零部件达数千个，更新或检修后的表面状态存在更多的不确定性，对装配后检测的视觉覆盖范围和表面质量识别能力提出了较高要求。转向架传感器线缆安装后位置存在冗余并非一成不变，转向架落车后独立进出股道有两个方向，按照构型和轴端等部件的分布规律，每个车型动车组平均包含9种不同结构类型转向架，需通过排列组合计算和前期大量的图像采集建立检测轨迹程序。 本项目依托自动数据采集技术、精准定位技术、图像处理技术、远程监控技术、数据分析技术、信号提醒技术等尖端前沿技术，实现了对转向架的自动检测，提升了检修效率和质量。通过本次攻关，实现了动车组高级修检修作业与自动识别技术的深度融合，为动车组高级修中关键检修工序的作业质量保障提供了新的思路。 采用动车组转向架落成外观检测系统后，一是提升了作业效率，单个转向架仅需1人作业35分钟，工作效率提升了475%。二是提升了作业质量，通过自动高清数据的采集和分析，精准判定质量缺陷，减少了人为原因导致的漏检漏修，并且该系统可通过质量信息的深度学习，不断的优化精进分析能力，提升作业质量。三是提升管了理效能，基于系统自带影像储存分析功能，无需再对该关键作业进行影像摄录储存、分析等工作。