轮对作为高速动车组的关键部件，其运行状态直接影响列车安全。相控阵超声探伤技术因其检测灵活性和高分辨率，在轮对缺陷检测中具有重要应用价值。本研究针对CRH动车组轮对结构特点，提出一种基于深度学习的相控阵探伤缺陷智能识别算法。通过构建轮对缺陷样本数据库，设计多尺度特征融合网络模型，实现对轮辋、轮辐等部位裂纹、剥离等典型缺陷的自动识别与分类。该算法可有效提升检测效率，降低人工判读误差，为动车组轮对状态检修提供智能化技术支撑。