.png){kind=icon}
返回
A progressive alignment–purification framework for reference-guided variable data printing inspection
.png){kind=icon}
PRE
AI
DOI：10.1007/s10845-026-02985-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在可变数据印刷（VDP）缺陷检测中，由动态字符和个性化内容引入的合法结构变化往往导致传统单流检测器将正常的布局变化误分类为缺陷。此外，实际工业场景通常涉及非线性几何错位和拍摄图像与模板图像之间的跨模态差异。在这种情况下，直接端到端优化会因不可靠的跨模态交互导致严重的空间特征干扰和优化不稳定。为解决这些问题，我们提出了一种基于渐进对齐-注入训练（PAIT）的参考引导双流缺陷检测框架——几何对齐与零卷积先验注入YOLO（GeoZero-YOLO）。具体而言，引入了相关性引导的特征对齐模块以缓解跨模态几何偏差，并通过非对称优化策略逐步建立稳定的结构对应先验。随后，引入差异纯化机制以抑制伪差异响应并增强与缺陷相关的差异表示。最后，采用渐进先验注入策略以整合优化的参考引导提示，同时保留原始检测器的固有判别能力。在自建的身份证数据集和公开的PCBData数据集上的大量实验表明，所提出的框架在参考引导的VDP缺陷检测中具有有效性。
Keyword:
Variable data printing
Industrial defect detection
Dual-stream detection
Geometric alignment
Pseudo-difference suppression
期刊
IF:
7.4
论文数:
3.5K
被引数:
1.1W
机构
引用论文
Padding interpolation, median imputation, RobustScalar, and particle swarm optimization with heterogeneous classifiers: A robust combination for effective heart disease diagnosis填充插值、中位数插补、RobustScaler以及与异构分类器结合的粒子群优化：一种用于有效心脏病诊断的鲁棒组合.png)
IF0
PREAI
分享收藏
Deep Siamese Semantic Segmentation Network for PCB Welding Defect Detection面向PCB焊接缺陷检测的深度连体语义分割网络
PREAI
分享收藏Multi-Scale Feature Similarity and Object Detection for Small Printing Defects Detection基于多尺度特征相似度和目标检测的小型印刷缺陷检测IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏RDNT-YOLO: a parameter-efficient and high-accuracy detection method for small object defects on garment surfacesRDNT-YOLO：一种参数高效且高精度的服装表面小目标缺陷检测方法
PREAI
分享收藏
查看更多内容