基于层次先验引导和通道级自适应融合的网络,用于RGB-D铁路表面缺陷检测

《Journal of Visual Communication and Image Representation》:Hierarchical prior-guided and channel-wise adaptation fusion network for RGB-D railway surface defect inspection

【字体: 大 中 小 】 时间:2026年05月13日 来源:Journal of Visual Communication and Image Representation 3.1

编辑推荐:

  Jianlin Chen|Gongyang Li|Zhijiang Zhang|Dan Zeng摘要RGB-D铁路表面缺陷检测(RSDI)对于提高复杂铁路环境下的检测可靠性至关重要。现有的RGB-D RSDI方法仍面临两个主要挑战:未能充分建模RGB数据与深度数据之间的跨模态差异

  
Jianlin Chen|Gongyang Li|Zhijiang Zhang|Dan Zeng

摘要

RGB-D铁路表面缺陷检测(RSDI)对于提高复杂铁路环境下的检测可靠性至关重要。现有的RGB-D RSDI方法仍面临两个主要挑战:未能充分建模RGB数据与深度数据之间的跨模态差异,以及未能充分利用铁路缺陷的特定特征,如背景相似性、纹理不均匀性和边界不规则性。为了解决这些问题,我们提出了一种基于层次先验引导和通道自适应融合的网络(HPCFNet)用于RGB-D RSDI。HPCFNet采用异构双流架构进行多模态特征提取,并引入了先验引导融合模块(PGFM)和通道自适应融合模块(CAFM)以实现层次化的低级和高级特征融合。PGFM通过多尺度背景抑制、局部方差对比增强以及缺陷敏感的梯度幅度增强来细化低级特征表示,从而减少背景干扰并突出缺陷细节和边界。CAFM通过结合通道特征重建与自适应门控重校准来增强高级特征表示,这提高了跨模态语义融合的效果,同时抑制了通道间噪声。在NEU RSDDS-AUG数据集上的实验结果表明,HPCFNet的性能优于17种最先进的方法,在9个关键指标中有8个指标排名第一。此外,HPCFNet的均方误差(MAE)为0.052,参数数量为1650万,浮点运算次数(FLOPs)为8.94亿次,帧率(FPS)为35.20帧/秒,体现了其在效率和效果之间的良好平衡。在NRSD-MN和FIND数据集上的进一步验证也证明了该框架在相关缺陷检测场景中的鲁棒性和泛化能力。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号