Использование алгоритмов автоматизации распознавания и анализа данных дефектограмм ультразвукового контроля рельсов применяется с целью решения задач снижения влияния человеческого фактора на результаты их расшифровки и повышения производительности работ.

Железнодорожные рельсы в процессе эксплуатации испытывают серьезную нагрузку. В результате образуются дефекты, которые могут привести к авариям поездов. Предварительная диагностика рельсов способная обнаружить дефекты является крайне важным направлением в области обеспечения безопасности железнодорожного сообщения. В настоящее время существует достаточно большое количество методов дефектоскопии железнодорожных рельс. Это дефектоскопия основанная на изучении рентгеновских лучей, магнитных полей, токовихревых полей, инфракрасного излучения, ультразвуковых сигналов и т.д. Основная проблема дефектоскопии железнодорожных рельс уложенных в путь заключается в том, что сигналы с дефектоскопа могут записываться в файл дефектограммы часами во время движения подвижного состава на несколько сотен километров, а обрабатываются они оператором - дефектоскопистом, который просматривает в ускоренном режиме весь пройденный путь. При этом на дефектоскописта возлагают задачи поиска дефектов по зрительному образу из нескольких классов дефектов и принятия решения о его классификации. Отсутствие автоматического определения дефектов требует значительных временных затрат при сохранении высокой вероятности пропустить дефекты, из-за утомления оператора, малых размеров дефектов на дефектограмме и высокой скорости её просмотра. Использование искусственного интеллекта на базе нейронных сетей позволит решать эти задачи и сделать нахождение дефектов на дефектограммах автоматическим, что в значительной степени снизит материальные и временные затраты на обнаружения дефектов, а самое главное - значительно снизит риски пропусков дефектов.