基于图像重构与语义差异识别的表面异常检测

基于图像重构的方法是表面异常检测中一类广泛使用的方法。该类方法仅期望模型较好地重构正常模式,并通过异常区域较大的重构误差来检测和定位异常。已有方法一方面易出现“泛化”过好的现象,异常区域也被高保真地重构了出来;另一方面仅在图像空间度量重构误差,并没有真正捕捉到原图和重构图之间的语义差异。为了解决上述问题,文中提出了由重构网络和识别网络组成的表面异常检测框架,其中重构网络嵌入了多尺度位置增强动态原型单元,强化了对正常模式的学习;识别网络进行了输入图和重构图的多尺度深度特征融合,从多个尺度利用了重构前后的语义差异信息,强化了对重构差异的识别。在MVTec数据集上,所提方法在异常检测任务上取得了99.5%的AUROC,在异常定位任务上取得了98.5%的AUROC,以及95.0%的RPO检测表现,与之前基于重构的表面异常检测方法相比取得了较大提升。

铁路钢轨外观与几何状态智能检测关键技术研究

基于多传感器集成技术研发了一种铁路钢轨外观与几何状态智能检测系统,可在连续运动状态下进行轨道结构形面的同步检测。针对钢轨表面状态检测的难点,分别提出基于改进U-Net卷积神经网络的钢轨表面异常状态检测方法和基于钢轨曲率特征改进ICP的钢轨磨耗值检测方法;针对轨道几何状态检测的难点,提出一种融合线结构激光与惯性数据的非接触式测量方法。现场试验结果表明,铁路钢轨外观与几何状态智能检测系统稳定可靠,检测效率高,精度好,满足高速铁路轨道几何状态和设施检测的快速、动态和高精度要求。