合成纖維繩索（SFRs）在海上起重機、風力渦輪機安裝以及重載搬運等工業應用中扮演着關鍵角色，其突然失效可能導致災難性事故和高昂的停機成本。因此，準確估計繩索的剩餘使用壽命（RUL）對於保障安全運行至關重要。近年來，數據驅動的狀態監測方法受到越來越多的關注，但一直缺少能夠完整記錄合成纖維繩索在受控循環疲勞載荷下整個退化過程的公開圖像數據集。
為填補這一空白，來自丹麥奧爾堡大學等機構的研究人員構建了一個全新的圖像數據集。該數據集包含約34,700張高分辨率圖像，來自11根Dyneema SK75/78高模量聚乙烯（HMPE）繩索樣本。這些樣本在滑輪彎曲試驗枱上承受了七種不同的軸向載荷（60 kN至280 kN），並持續加載直至機械失效。繩索的疲勞壽命差異顯著，從695次循環到8,340次循環不等。
在試驗過程中，每隔固定的滑輪循環次數（稱為檢查批次），研究人員會沿繩索的不同橫截面位置拍攝十張圖像，從而在整個使用壽命期間對錶面退化進行空間代表性的採樣。每張圖像都標註了對應的已進行循環次數，這使得直接計算序列中任何繩索的剩餘使用壽命成為可能。
該數據集旨在支持廣泛的機器學習任務，包括RUL迴歸、損傷進展建模、異常檢測以及負載條件預測。研究人員希望該數據集能夠作為開發和比較基於視覺的狀態監測和預測算法的基準資源，推動合成纖維繩索健康管理技術的發展。該數據集已開放獲取，為相關領域的研究提供了寶貴的基礎數據。