.png){kind=icon}
返回
Reliability constrained diffusion modeling for high-noise defect detection using ACFM
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ndteint.2026.103870.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
交流电场测量（ACFM）因其非接触特性和对表面条件的不敏感性，已被广泛应用于结构缺陷检测。然而，ACFM信号常被强噪声污染，导致基于手工特征或固定阈值的传统方法难以维持稳定可靠的检测性能。为解决此挑战，本文提出了一种适用于强噪声ACFM的可靠性感知缺陷检测方法。具体而言，首先采用多尺度自编码器（MS-AE）学习无缺陷ACFM信号的结构先验，并从噪声输入中恢复底层正常结构。随后利用逐点重建误差构建动态可靠性掩码，以分离可靠区域与噪声主导段。接着引入掩码引导的去噪扩散Transformer（MDDT），在掩码约束下学习正常样本分布，从而抑制不可靠区域的影响。最后设计了一种结构感知的缺陷判定机制，通过整合全局重建残差与局部Bz磁场峰值偏差，实现鲁棒且可解释的缺陷判定。此外，针对多噪声模式下的ACFM信号实验表明，所提方法在多个评估指标上优于现有方法，实现了更高的检测精度和鲁棒性。
Keyword:
Alternating current field measurement
Non-destructive testing
Defect detection
Generative models
Denoising diffusion model
