4月20日，国际仪器与测量协会著名期刊《IEEE Transactions on Instrumentation and Measurement，IEEE TIM》(影响因子：5.332) 在线刊发了我院余文勇副教授课题组在工业表面缺陷智能检测领域的新成果，题为“Normal Reference Attention and Defective Feature Perception Network for Surface Defect Detection（用于表面缺陷检测的正常参考注意力和缺陷特征感知网络）”。我院2019级本科生罗威为第一作者，2018级本科生姚海明为第二作者，余文勇副教授为通讯作者和指导教师。
工业场景中正常样本的数量远远大于缺陷样本的数量，无监督和弱监督方法是缺陷检测领域的研究热点。本文提出基于“参考注意力机制”和“缺陷特征感知”的检测方法狈顿笔-狈别迟。如图1所示，该方法使用编码器来获得多尺度的纹理语义特征，通过人工缺陷样本和正常样本进行对比学习使得编码器具备像素级的判别能力，并在潜在空间和跳跃连接处构建基于参考的注意力模块(搁叠础惭)，如图2所示，搁叠础惭利用参考的正常特征来修复异常特征，并在多个尺度上进行特征融合，重构出无缺陷的图像；为了提高缺陷分割的精度，该网络没有像常规方法那样直接将输入和重构做差，而是利用多尺度分割模块对输入和重构的串联特征进行感知，从而获得有语义信息的异常分割图。论文在公开数据集上取得厂翱罢础检测精度，并应用于实际工业场景。
图1 NDP-Net网络结构
图2 基于参考的注意力机制(RBAM)
图3 检测效果图
罗威是我院2019级测控专业本科生，大二期间就主动进入课题组参与科研工作，经受了严格的学术培训逐步成长起来，是我校优秀本科生的代表。
上述研究工作得到了国家自然科学基金委（编号. 51775214）的支持。
论文链接：
学院微信公众号