合成纤维绳索（SFRs）在海上起重机、风力涡轮机安装以及重载搬运等工业应用中扮演着关键角色，其突然失效可能导致灾难性事故和高昂的停机成本。因此，准确估计绳索的剩余使用寿命（RUL）对于保障安全运行至关重要。近年来，数据驱动的状态监测方法受到越来越多的关注，但一直缺少能够完整记录合成纤维绳索在受控循环疲劳载荷下整个退化过程的公开图像数据集。
为填补这一空白，来自丹麦奥尔堡大学等机构的研究人员构建了一个全新的图像数据集。该数据集包含约34,700张高分辨率图像，来自11根Dyneema SK75/78高模量聚乙烯（HMPE）绳索样本。这些样本在滑轮弯曲试验台上承受了七种不同的轴向载荷（60 kN至280 kN），并持续加载直至机械失效。绳索的疲劳寿命差异显著，从695次循环到8,340次循环不等。
在试验过程中，每隔固定的滑轮循环次数（称为检查批次），研究人员会沿绳索的不同横截面位置拍摄十张图像，从而在整个使用寿命期间对表面退化进行空间代表性的采样。每张图像都标注了对应的已进行循环次数，这使得直接计算序列中任何绳索的剩余使用寿命成为可能。
该数据集旨在支持广泛的机器学习任务，包括RUL回归、损伤进展建模、异常检测以及负载条件预测。研究人员希望该数据集能够作为开发和比较基于视觉的状态监测和预测算法的基准资源，推动合成纤维绳索健康管理技术的发展。该数据集已开放获取，为相关领域的研究提供了宝贵的基础数据。