.png){kind=icon}
.png){kind=icon}
返回
Insulator Surface Defect Detection Method Based on Graph Feature Diffusion Distillation
.png){kind=icon}
OA
AI
DOI：10.3390/jimaging11060190.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对电力绝缘子表面缺陷样本稀缺、形态不规则及像素级定位精度不足的困难，本文提出了一种基于图特征扩散蒸馏的缺陷检测方法（GFDD）。通过构建具有图特征一致性约束的双分支教师网络架构缓解特征偏差问题，同时利用跨层特征融合模块动态聚合多尺度信息以减少冗余；设计了扩散蒸馏机制以突破传统单层特征迁移限制，并通过通道注意力融合深层语义与浅层细节增强全局上下文建模能力。在自建数据集上，GFDD实现了96.6%的Pi.AUROC、97.7%的Im.AUROC和95.1%的F1-score，相比现有最优方法提升2.4–3.2%；在多个公开数据集测试中表现出优秀的泛化性与鲁棒性。该方法为绝缘子表面缺陷自动化检测提供了高精度解决方案，具有一定的工程应用价值。
Keyword:
defect detection
graph feature diffusion distillation
power insulator
pixel-level localization
cross-layer feature fusion
查看更多机构