【摘要】针对现有目标检测器存在的推理延迟、不稳定和高计算成本等问题，提出一种基于深度学习理论的创新算法RT-DETR(RT-DETR-L)，实现了对钢轨表面伤损的高效精细化检测。基于该算法设计的目标检测实验方案，去除了传统目标检测算法中的非极大值抑制（NMS）后处理步骤；引入了一个解耦单尺度内部交互和跨尺度融合的高效混合编码器；提出了一种Io U-aware初始化对象查询机制，并重新定义了目标函数。实验结果表明，该方案能有效提高算法在检测钢轨表面伤损时的准确率和召回率，在检测剥离掉块、疲劳裂纹、接头方面表现出色，准确率分别为95.1%、93.8%和99.5%，检测速度为8.62ms/帧，参数量仅为4.2M。该研究成果能够为钢轨养护维修提供一种准确高效的检测方案。