.png){kind=icon}
返回
Geometric spatial constraints network for slender and tiny surface defect detection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.aei.2025.103138.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
检测飞机叶轮表面的缺陷具有挑战性，这归因于某些缺陷的薄而脆弱的结构，以及其尺寸和几何形状的多样性。为应对这两大挑战，我们提出了几何空间约束网络（GSCNet）以实现精确的叶轮缺陷检测。首先，我们开发了自动图像采集设备，以获取叶轮表面缺陷的高质量数据。随后，我们介绍了GSCNet，该网络包含两个主要组件：丰富语义信息表示（RSIR）和空间相关性感知（SCA），用于检测表面缺陷。在RSIR中，我们提出了一个受几何约束引导、基于可变形卷积的模块，命名为Slender Partial Convolution（SPC），以及一个多几何特征融合（MFF）模块。SPC通过将卷积核形状与细长缺陷对齐，在不引入冗余信息的情况下捕捉管状结构特征，而MFF则促进各类语义特征的融合，从而增强语义信息的提取能力。在SCA中，我们引入了一种新颖的注意力机制，通过捕捉固有的空间相关性来增强高相似性缺陷的分类能力，该机制通过建模代表性空间信息实现。最后，我们设计了一种相似性增强的损失函数，以进一步提升对多种几何缺陷的同时检测效果，因为它缓解了基于IoU损失的尺度敏感性。对比实验表明，我们的框架优于所有代表性检测模型，在AISD数据集上达到83.2%的mAP，超过次优模型3.8%。第一组消融实验验证了框架内各模块的有效性。第二组在NEU-SEG和MT数据集上的消融实验验证了RSIR的特征提取与即插即用能力。GSCNet的泛化能力在NEU-DET和GC10-DET数据集上进一步得到验证。
Keyword:
Surface defects detection
Geometric spatial constraints
Spatial correlation awareness
Similarity-enhanced loss
Multiple geometric defect simultaneous detection
期刊
IF:
9.9
论文数:
4.4K
被引数:
1.7W
机构
引用论文
Conductivity Enhancement in Thin Silicon-on-Insulator Layer Embedding Artificial Dislocation Network
PREAI
分享收藏Inflexibility of mental planning: A characteristic disorder with prefrontal lobe lesions?心理计划的僵化: 前额叶病变的特征性障碍？
PREAI
分享收藏A Semantic Information Decomposition Network for Accurate Segmentation of Texture Defects一种用于纹理缺陷精确分割的语义信息分解网络
PREAI
分享收藏DCU-net: a deformable convolutional neural network based on cascade U-net for retinal vessel segmentationDcu-net: 基于级联u-net的可变形卷积神经网络用于视网膜血管分割
PREAI
分享收藏Command Filter-Based Adaptive Fuzzy Finite-Time Output Feedback Control of Nonlinear Electrohydraulic Servo System基于指令滤波器的非线性电液伺服系统自适应模糊有限时间输出反馈控制
PREAI
分享收藏Energy-Efficient Robot Configuration and Motion Planning Using Genetic Algorithm and Particle Swarm Optimization基于遗传算法和粒子群算法的节能机器人配置和运动规划.png)
Energies
OAAI
EnergiesIF0
OAAI分享收藏Lightweight pixel-level semantic segmentation and analysis for sewer defects using deep learning
PREAI
分享收藏
查看更多内容