FDHNet: Frequency-aware decomposition with hypergraph modeling network for real-time surface defect segmentation

doi:10.1016/j.knosys.2026.116853

FDHNet: Frequency-aware decomposition with hypergraph modeling network for real-time surface defect segmentation

2026-08-01

0

PRE

AI

DOI：10.1016/j.knosys.2026.116853

原文链接

原文求助

摘要

En 中文

表面缺陷分割在自动化质量检测中起着关键作用，但由于缺陷外观较弱且边界模糊，仍面临挑战。尽管深度编解码网络取得了显著进展，但其仅依赖空间域特征阻碍了对细微频域信息的感知，而传统的成对图模型难以捕捉缺陷像素间的高阶空间依赖关系。为解决这些局限性，我们提出了一种集成可学习小波频域分解与超图建模的实时网络（FDHNet）。具体而言，设计了一个频域解耦模块，用于自适应选择与任务相关的频段，在增强缺陷表示的同时保持精确的空间定位。随后构建了超图空间相关模块，用于建模多像素高阶交互，有效捕捉裂纹和划痕的拓扑连续性。此外，引入了自适应特征分布方案和边缘引导监督以细化边界精度。在三个工业缺陷数据集上的大量实验表明，FDHNet实现了实时推理速度下的最先进分割精度，为实际表面检测提供了良好的精度-效率权衡。

Keyword:

Defect segmentation

Hypergraph

Wavelet transform

Edge-assisted supervision

FDHNet: Frequency-aware decomposition with hypergraph modeling network for real-time surface defect segmentation

摘要

期刊

机构

引用论文